Home-theater-designers
Vienalaikis lokalizavimas ir kartografavimas (SLAM) greičiausiai nėra kasdien vartojama frazė. Tačiau keli naujausi šaunūs technologiniai stebuklai naudoja šį procesą kas milisekundę savo gyvenimo.
Kas yra SLAM? Kodėl mums to reikia? O apie kokias šaunias technologijas jūs kalbate?
kaip atidaryti xbox one s
Nuo akronimo iki abstrakčios idėjos
Štai jums greitas žaidimas. Kuris iš jų nepriklauso?
- Savaeigiai automobiliai
- Papildytos realybės programos
- Autonominės antžeminės ir povandeninės transporto priemonės
- Mišrios realybės nešiojami drabužiai
- „Roomba“
Galbūt manote, kad atsakymas yra paskutinis sąrašo elementas. Tam tikra prasme tu teisus. Kitaip tariant, tai buvo apgaulingas žaidimas, nes visi šie elementai yra susiję.
Vaizdo kreditas: Nathan Kroll/ „Flickr“
Tikrasis (labai šauniojo) žaidimo klausimas yra toks: kas daro visas šias technologijas įgyvendinamas? Atsakymas: vienu metu lokalizavimas ir kartografavimas arba SLAM! kaip sako šaunūs vaikai.
Apskritai, SLAM algoritmų paskirtis yra pakankamai paprasta pakartoti. Kurdamas savo aplinkos žemėlapį, robotas vienu metu naudos lokalizaciją ir žemėlapius, kad įvertintų savo padėtį ir orientaciją (ar pozą) erdvėje. Tai leidžia robotui nustatyti, kur jis yra ir kaip judėti per nežinomą erdvę.
Todėl taip, tai yra, viskas, ką šis išgalvotas protingumo algoritmas daro, yra įvertinti padėtį. Kita populiari technologija - pasaulinė padėties nustatymo sistema (arba GPS) - poziciją vertina nuo pirmojo dešimtojo dešimtmečio Persijos įlankos karo.
Skirtumas tarp SLAM ir GPS
Taigi kodėl reikia naujo algoritmo? GPS turi dvi būdingas problemas. Pirma, nors GPS yra tikslus, palyginti su pasauliniu mastu, tiek tikslumas, tiek tikslumas sumažina mastą, palyginti su kambariu, stalu ar maža sankryža. GPS tikslumas yra iki metro, bet koks centimetras? Milimetras?
Antra, GPS neveikia gerai po vandeniu. Netinkamai turiu omenyje ne visai. Panašiai našumas yra dėmėtas pastatų viduje su storomis betoninėmis sienomis. Arba rūsiuose. Supratote idėją. GPS yra palydovinė sistema, kuriai būdingi fiziniai apribojimai.
Taigi SLAM algoritmais siekiama patobulinti mūsų pažangiausių programėlių ir mašinų padėties jausmą.
Šie įrenginiai jau turi daugybę jutiklių ir periferinių įrenginių. SLAM algoritmai naudoja kiek įmanoma daugiau šių duomenų, naudodamiesi matematika ir statistika.
Vištiena ar kiaušinis? Pozicija ar žemėlapis?
Matematika ir statistika reikalingi norint atsakyti į sudėtingą keblumą: ar padėtis naudojama kuriant apylinkių žemėlapį, ar apylinkių žemėlapis naudojamas skaičiuojant padėtį?
Minties eksperimento laikas! Esate tarp dimensijų nukrypęs į nepažįstamą vietą. Ką pirmiausia darote? Panika? Gerai, nusiramink, atsikvėpk. Imk kitą. Dabar, ką darote antrą kartą? Apsidairykite ir pabandykite rasti kažką pažįstamo. Kėdė yra kairėje. Augalas yra jūsų dešinėje. Kavos staliukas yra priešais jus.
Toliau, vieną kartą paralyžiuojanti baimė „Kur aš, po velnių?“ nusidėvi, tu pradedi judėti. Palaukite, kaip judėjimas veikia šioje dimensijoje? Ženkite žingsnį į priekį. Kėdė ir augalas mažėja, o stalas - vis didesnis. Dabar galite patvirtinti, kad iš tikrųjų einate į priekį.
tekstą iš suklastotų numerių programos
Stebėjimai yra labai svarbūs norint pagerinti SLAM įvertinimo tikslumą. Žemiau esančiame vaizdo įraše, kai robotas juda nuo žymeklio prie žymeklio, jis sukuria geresnį aplinkos žemėlapį.
Grįžtant prie kitos dimensijos, kuo daugiau vaikštote, tuo labiau orientuojatės. Žengimas į visas puses patvirtina, kad judėjimas šioje dimensijoje yra panašus į jūsų namų dimensiją. Kai einate į dešinę, augalas atrodo didesnis. Naudingai matote kitus dalykus, kuriuos įvardijate kaip orientyrus šiame naujame pasaulyje, leidžiančius jums labiau pasitikėti.
Tai iš esmės yra SLAM procesas.
Įvestys į procesą
Norėdami atlikti šiuos įvertinimus, algoritmai naudoja keletą duomenų, kurie gali būti klasifikuojami kaip vidiniai arba išoriniai. Jūsų tarpdimensinio transporto pavyzdyje (prisipažinkite, jums buvo smagi kelionė) vidiniai matavimai yra žingsnių dydis ir kryptis.
Išoriniai matavimai atliekami vaizdų pavidalu. Tokių orientyrų kaip augalas, kėdė ir stalas nustatymas yra lengva užduotis akims ir smegenims. Galingiausias žinomas procesorius-žmogaus smegenys-sugeba fotografuoti šiuos vaizdus ir ne tik atpažinti objektus, bet ir įvertinti atstumą iki to objekto.
Deja (arba laimei, priklausomai nuo jūsų baimės „SkyNet“), robotai neturi žmogaus smegenų kaip procesoriaus. Mašinos kaip smegenys remiasi silicio lustais su žmogaus parašytu kodu.
Kitos mašinos atlieka išorinius matavimus. Tam padeda išoriniai įrenginiai, tokie kaip giroskopai ar kitas inercinis matavimo vienetas (IMU). Robotai, tokie kaip savarankiškai vairuojantys automobiliai, taip pat naudoja rato padėties odometriją kaip vidinį matavimą.
Vaizdo kreditas: Jennifer Morrow/ „Flickr“
Išoriškai savarankiškai vairuojantis automobilis ir kiti robotai naudoja LIDAR. Panašiai kaip radaras naudoja radijo bangas, LIDAR matuoja atspindėtus šviesos impulsus, kad nustatytų atstumą. Paprastai naudojama ultravioletinė arba arti infraraudonųjų spindulių šviesa, panaši į infraraudonųjų spindulių gylio jutiklį.
LIDAR siunčia dešimtis tūkstančių impulsų per sekundę, kad sukurtų itin didelės raiškos trimatį taškų debesų žemėlapį. Taigi, taip, kitą kartą, kai „Tesla“ pasuks aplink autopilotą, ji nušaus jus lazeriu. Daug kartų.
Be to, SLAM algoritmai kaip išorinį matavimą naudoja statinius vaizdus ir kompiuterio regėjimo metodus. Tai atliekama naudojant vieną kamerą, tačiau ją galima padaryti dar tikslesnę naudojant stereo porą.
Juodosios dėžės viduje
Vidiniai matavimai atnaujins apskaičiuotą padėtį, kuri gali būti naudojama atnaujinant išorinį žemėlapį. Išoriniai matavimai atnaujins apskaičiuotą žemėlapį, kuriuo galima atnaujinti padėtį. Galite galvoti apie tai kaip apie išvados problemą, o idėja yra rasti optimalų sprendimą.
Įprastas būdas tai padaryti yra tikimybė. Tokios technikos kaip dalelių filtro apytikslė padėtis ir žemėlapių sudarymas naudojant Bajeso statistinę išvadą.
Dalelių filtras naudoja nustatytą dalelių skaičių, paskirstytą Gauso pasiskirstymu. Kiekviena dalelė „numato“ dabartinę roboto padėtį. Kiekvienai dalelei priskiriama tikimybė. Visos dalelės prasideda ta pačia tikimybe.
Atliekant matavimus, kurie patvirtina vienas kitą (pvz., Žingsnis į priekį = stalas tampa didesnis), tada dalelėms, kurios yra „teisingos“ savo padėtyje, laipsniškai suteikiama didesnė tikimybė. Dalelėms, kurios yra nutolusios, priskiriama mažesnė tikimybė.
Kuo daugiau orientyrų robotas gali atpažinti, tuo geriau. Orientyrai pateikia grįžtamąjį ryšį apie algoritmą ir leidžia atlikti tikslesnius skaičiavimus.
Dabartinės programos naudojant SLAM algoritmus
Suskaidykime šią šaunią technologiją pagal šaunią technologiją.
Autonominės povandeninės transporto priemonės (AUV)
Bepiločiai povandeniniai laivai gali veikti autonomiškai, naudodami SLAM metodus. Vidinis IMU teikia pagreičio ir judesio duomenis trimis kryptimis. Be to, AUV naudoja gylį į apačią nukreiptą sonarą. Šoninis nuskaitymo sonaras sukuria poros šimtų metrų nuotolio jūros dugno vaizdus.
Vaizdo kreditas: Floridos jūros dotacija/ „Flickr“
Mišrios tikrovės nešiojami drabužiai
„Microsoft“ ir „Magic Leap“ pagamino nešiojamus akinius, pristatančius „Mixed Reality“ programas. Šiems nešiojamiems daiktams labai svarbu įvertinti padėtį ir sukurti žemėlapį. Prietaisai naudoja žemėlapį, kad virtualius objektus padėtų ant tikrų objektų ir kad jie sąveikautų tarpusavyje.
kaip pridėti nuorodų į „Instagram“ įrašus
Kadangi šie nešiojamieji prietaisai yra nedideli, jie negali naudoti didelių išorinių įrenginių, tokių kaip LIDAR ar sonaro. Vietoj to aplinkai nustatyti naudojami mažesni infraraudonųjų spindulių gylio jutikliai ir į išorę nukreiptos kameros.
Savaeigiai automobiliai
Savarankiški automobiliai turi šiek tiek pranašumų prieš nešiojamus. Turėdami daug didesnį fizinį dydį, automobiliai gali turėti didesnius kompiuterius ir daugiau išorinių įrenginių, kad būtų galima atlikti vidinius ir išorinius matavimus. Savarankiškai vairuojantys automobiliai daugeliu atžvilgių atspindi technologijų ateitį tiek programinės, tiek techninės įrangos požiūriu.
SLAM technologija tobulėja
Kadangi SLAM technologija naudojama įvairiais būdais, tik laiko klausimas, kada ji bus ištobulinta. Kai kasdien matysite savarankiškai vairuojančius automobilius (ir kitas transporto priemones), žinosite, kad tuo pačiu metu lokalizavimas ir kartografavimas yra paruošti visiems.
Savarankiško vairavimo technologija tobulėja kiekvieną dieną. Norite sužinoti daugiau? Peržiūrėkite išsamų „MakeUseOf“ suskirstymą, kaip veikia savarankiškai vairuojantys automobiliai. Galbūt jus taip pat domina, kaip įsilaužėliai taikosi į prijungtus automobilius.
Vaizdo kreditas: chesky_w/ Depositphotos
Dalintis Dalintis „Tweet“ Paštu Kaip pasiekti „Google“ įmontuotą burbulo lygį „Android“Jei kada nors reikėjo įsitikinti, kad kažkas yra lygiai, dabar galite per kelias sekundes gauti burbulo lygį savo telefone.
Skaityti toliau Susijusios temos- Technologija paaiškinta
- Automobilių technologija
- Dirbtinis intelektas
- Savarankiškas automobilis
- SLAM
Tomas yra programinės įrangos inžinierius iš Floridos (šaukitės Floridos žmogui), mėgstantis rašyti, koledžo futbolą (eiti į Gators!), „CrossFit“ ir Oksfordo kablelius.
Daugiau iš Tomo JohnsenoPrenumeruokite mūsų naujienlaiškį
Prisijunkite prie mūsų naujienlaiškio, kad gautumėte techninių patarimų, apžvalgų, nemokamų el. Knygų ir išskirtinių pasiūlymų!
Norėdami užsiprenumeruoti, spustelėkite čia