Home-theater-designers
Simultánní lokalizace a mapování (SLAM) pravděpodobně není fráze, kterou používáte každý den. Několik nejnovějších skvělých technologických zázraků však používá tento proces každou milisekundu své životnosti.
Co je SLAM? Proč to potřebujeme? A o jakých skvělých technologiích mluvíte?
jak odinstalovat aktualizace v systému Windows 10
Od zkratky k abstraktní myšlence
Zde je rychlá hra pro vás. Který z nich nepatří?
- Samořiditelná auta
- Aplikace pro rozšířenou realitu
- Autonomní letecká a podvodní vozidla
- Nositelná zařízení pro smíšenou realitu
- Roomba
Můžete si myslet, že odpověď je snadno poslední položkou v seznamu. Svým způsobem máte pravdu. Jiným způsobem to byla triková hra, protože všechny tyto položky spolu souvisejí.
Uznání: Nathan Kroll/ Flickr
Skutečná otázka (velmi cool) hry je tato: Proč jsou všechny tyto technologie proveditelné? Odpověď: simultánní lokalizace a mapování, nebo SLAM! jak to říkají skvělé děti.
V obecném smyslu je účel algoritmů SLAM dostatečně snadno iterovatelný. Robot bude pomocí simultánní lokalizace a mapování odhadovat svoji polohu a orientaci (nebo pózu) v prostoru při vytváření mapy svého prostředí. To umožňuje robotovi identifikovat, kde se nachází a jak se pohybovat v neznámém prostoru.
Ano, to znamená, že celý tento efektní algoritmus je odhad pozice. Další populární technologie, Global Positioning System (neboli GPS), odhaduje polohu od první války v Perském zálivu v 90. letech minulého století.
Rozlišování mezi SLAM a GPS
Proč je tedy potřeba nový algoritmus? GPS má dva inherentní problémy. Za prvé, zatímco GPS je přesný vzhledem ke globálnímu měřítku, přesnost i přesnost zmenšuje měřítko vzhledem k místnosti, stolu nebo malé křižovatce. GPS má přesnost až metr, ale jaký centimetr? Milimetr?
Za druhé, GPS nefunguje dobře pod vodou. Tím, že mi není dobře, vůbec ne. Podobně je výkon flekatý uvnitř budov se silnými betonovými zdmi. Nebo ve sklepích. Dostanete nápad. GPS je satelitní systém, který trpí fyzickými omezeními.
Algoritmy SLAM si proto kladou za cíl poskytnout lepší pocit polohy pro naše nejpokročilejší gadgety a stroje.
Tato zařízení již mají řadu senzorů a periferií. Algoritmy SLAM využívají data z co největšího počtu z nich pomocí určité matematiky a statistiky.
Kuře nebo vejce? Poloha nebo mapa?
Matematika a statistika jsou potřebné k zodpovězení složité otázky: používá se poloha k vytvoření mapy okolí nebo se k výpočtu polohy používá mapa okolí?
Čas na myšlenkový experiment! Jste interdimenzionálně pokřiveni na neznámé místo. Jakou první věc uděláš? Panika? Dobře, uklidni se, nadechni se. Vem si další. Jaká je druhá věc, kterou děláte? Rozhlédněte se kolem sebe a zkuste najít něco známého. Po levé straně je židle. Rostlina je po vaší pravici. Konferenční stolek je před vámi.
Dále, jednou paralyzující strach z 'Kde sakra jsem?' vyprchá, začnete se hýbat. Počkejte, jak funguje pohyb v této dimenzi? Udělejte krok vpřed. Židle a rostlina jsou stále menší a stůl je stále větší. Nyní můžete potvrdit, že se ve skutečnosti pohybujete vpřed.
co dokáže chytrá televize
Pozorování jsou klíčová pro zlepšení přesnosti odhadu SLAM. Ve videu níže, jak robot přechází od značky k značce, vytváří lepší mapu prostředí.
Zpět do jiné dimenze, čím více chodíte, tím více se orientujete. Krokování všemi směry potvrzuje, že pohyb v této dimenzi je podobný vaší domácí dimenzi. Když jdete doprava, rostlina se zvětšuje. Užitečně vidíte další věci, které identifikujete jako orientační body v tomto novém světě, které vám umožní sebevědoměji bloudit.
Toto je v podstatě proces SLAM.
Vstupy do procesu
Aby bylo možné provést tyto odhady, používají algoritmy několik dat, která lze kategorizovat jako interní nebo externí. Pro váš příklad interdimenzionální dopravy (přiznejte si, že jste si užili zábavný výlet) jsou interními měřeními velikost kroků a směr.
Provedená externí měření jsou ve formě obrázků. Identifikace orientačních bodů, jako je rostlina, židle a stůl, je snadný úkol pro oči a mozek. Nejvýkonnější známý procesor-lidský mozek-je schopen pořizovat tyto obrázky a nejen identifikovat objekty, ale také odhadovat vzdálenost k tomuto objektu.
Bohužel (nebo naštěstí, v závislosti na vašem strachu ze SkyNet), roboti nemají lidský mozek jako procesor. Stroje spoléhají na křemíkové čipy s lidským psaným kódem jako mozkem.
Ostatní kusy strojů provádějí externí měření. Pomáhají při tom periferní zařízení, jako jsou gyroskopy nebo jiné inerciální měřicí jednotky (IMU). Roboti, jako jsou samořiditelná auta, také používají jako vnitřní měření odometrii polohy kola.
Uznání: Jennifer Morrow/ Flickr
Externě samořídící auto a další roboti používají LIDAR. Podobně jako radar využívá rádiové vlny, LIDAR měří pulsy odraženého světla k identifikaci vzdálenosti. Použité světlo je obvykle ultrafialové nebo blízké infračervené, podobné infračervenému hloubkovému senzoru.
LIDAR vysílá desítky tisíc pulzů za sekundu, aby vytvořil trojrozměrnou mapu mračen bodů s extrémně vysokým rozlišením. Takže ano, příště, až se Tesla otočí na autopilotu, vás zastřelí laserem. Hodněkrát.
Algoritmy SLAM navíc využívají statické obrazy a techniky počítačového vidění jako externí měření. To se provádí pomocí jedné kamery, ale může být ještě přesnější se stereo párem.
Uvnitř černé skříňky
Interní měření aktualizují odhadovanou polohu, kterou lze použít k aktualizaci externí mapy. Externí měření aktualizují odhadovanou mapu, kterou lze použít k aktualizaci polohy. Můžete to považovat za inferenční problém a jde o to najít optimální řešení.
Běžným způsobem, jak toho dosáhnout, je pravděpodobnost. Techniky, jako je filtr částic, přibližná poloha a mapování pomocí Bayesovského statistického závěru.
Filtr částic používá stanovený počet částic rozptýlených Gaussovou distribucí. Každá částice 'předpovídá' aktuální polohu robota. Každé částici je přiřazena pravděpodobnost. Všechny částice začínají se stejnou pravděpodobností.
Když se provádějí měření, která se navzájem potvrzují (například krok vpřed = tabulka se zvětšuje), pak částicím, které jsou ve své poloze „správné“, se postupně dávají lepší pravděpodobnosti. Částicím, které jsou daleko, jsou přiřazeny nižší pravděpodobnosti.
Čím více orientačních bodů robot dokáže identifikovat, tím lépe. Orientační body poskytují zpětnou vazbu k algoritmu a umožňují přesnější výpočty.
Aktuální aplikace využívající algoritmy SLAM
Pojďme to rozebrat, skvělý kus technologie, skvělý kus technologie.
Autonomní podvodní vozidla (AUV)
Bezpilotní ponorky mohou pracovat autonomně pomocí technik SLAM. Interní IMU poskytuje data o zrychlení a pohybu ve třech směrech. Navíc AUV používají pro odhady hloubky sonar směřující dolů. Boční skenovací sonar vytváří obrazy mořského dna s dosahem několika set metrů.
Uznání: Florida Sea Grant/ Flickr
Nosiče pro smíšenou realitu
Microsoft a Magic Leap vyrobily nositelné brýle, které představují aplikace Mixed Reality. Odhad polohy a vytvoření mapy je pro tato nositelná zařízení zásadní. Zařízení pomocí mapy umísťují virtuální objekty na skutečné objekty a nechávají je vzájemně komunikovat.
jak vyčistit xbox one
Vzhledem k tomu, že jsou tato nositelná zařízení malá, nemohou používat velké periferie, jako je LIDAR nebo sonar. Místo toho se k mapování prostředí používají menší infračervené hloubkové senzory a kamery směřující ven.
Samořiditelná auta
Autonomní auta mají oproti nositelným prvkům trochu výhodu. S mnohem větší fyzickou velikostí mohou auta pojmout větší počítače a mít více periferií k provádění interních i externích měření. Samořiditelná auta v mnoha ohledech představují budoucnost technologie, a to jak po stránce softwaru, tak i hardwaru.
Technologie SLAM se zlepšuje
Vzhledem k tomu, že technologie SLAM je používána mnoha různými způsoby, je jen otázkou času, kdy bude zdokonalena. Jakmile budete denně vidět samořiditelná auta (a další vozidla), budete vědět, že simultánní lokalizace a mapování je připraveno pro každého.
Technologie vlastního řízení se každým dnem zlepšuje. Chcete vědět více? Podívejte se na podrobný rozpis MakeUseOf o tom, jak fungují samořiditelná auta. Také by vás mohlo zajímat, jak hackeři cílí na propojená auta.
Uznání: chesky_w/ Depositphotos
Podíl Podíl tweet E-mailem Jak získat přístup k integrované úrovni bublin Google v systému AndroidPokud jste se někdy potřebovali ujistit, že je něco v malém, můžete nyní v několika sekundách získat úroveň bubliny v telefonu.
Číst dále Související témata- Technologie vysvětlena
- Automobilová technologie
- Umělá inteligence
- Samořiditelné auto
- SLAM
Tom je softwarový inženýr z Floridy (výkřik na Floridu) s vášní pro psaní, univerzitní fotbal (go Gators!), CrossFit a Oxfordské čárky.
Více od Toma JohnsenaPřihlaste se k odběru našeho zpravodaje
Připojte se k našemu zpravodaji a získejte technické tipy, recenze, bezplatné elektronické knihy a exkluzivní nabídky!
Kliknutím sem se přihlásíte k odběru