Τι είναι η SLAM; Πώς αυτο-οδήγηση αυτοκίνητα ξέρουν πού είναι
Διαφήμιση
Ο ταυτόχρονος εντοπισμός και χαρτογράφηση (SLAM) δεν είναι πιθανώς μια φράση που χρησιμοποιείτε καθημερινά. Ωστόσο, μερικά από τα τελευταία δροσερά τεχνολογικά θαύματα χρησιμοποιούν αυτή τη διαδικασία κάθε χιλιοστά του δευτερολέπτου της διάρκειας ζωής τους.
Τι είναι η SLAM; Γιατί το χρειαζόμαστε; Και ποιες είναι αυτές οι ψυχρές τεχνολογίες που μιλάτε;
Από το ακρωνύμιο στην αφηρημένη ιδέα
Εδώ είναι ένα γρήγορο παιχνίδι για σας. Ποιο από αυτά δεν ανήκει;
- Αυτο-οδήγηση αυτοκινήτων
- Επεκτεταμένες εφαρμογές πραγματικότητας
- Αυτόνομη κεραία και υποβρύχια οχήματα
- Μικτή φορεσιά πραγματικότητας
- Το Roomba
Μπορεί να πιστεύετε ότι η απάντηση είναι εύκολα το τελευταίο στοιχείο της λίστας. Με κάποιο τρόπο, έχετε δίκιο. Με άλλο τρόπο, αυτό ήταν ένα παιχνίδι τέχνασμα, καθώς όλα αυτά τα στοιχεία σχετίζονται.
Το πραγματικό ερώτημα του (πολύ δροσερό) παιχνίδι είναι αυτό: Τι κάνει όλες αυτές τις τεχνολογίες εφικτή; Η απάντηση: ταυτόχρονη εντοπισμός και χαρτογράφηση, ή SLAM! όπως λένε τα δροσερά παιδιά.
Με μια γενική έννοια, ο σκοπός των αλγορίθμων SLAM είναι αρκετά εύκολος για να επαναλάβει. Ένα ρομπότ θα χρησιμοποιήσει ταυτόχρονο εντοπισμό και χαρτογράφηση για να εκτιμήσει τη θέση και τον προσανατολισμό του (ή να θέσει) στο διάστημα δημιουργώντας ταυτόχρονα ένα χάρτη του περιβάλλοντος του. Αυτό επιτρέπει στο ρομπότ να εντοπίσει πού είναι και πώς να κινηθεί μέσα από κάποιο άγνωστο χώρο.
Επομένως, ναι, δηλαδή όλος ο αλγόριθμος φανταχτερότητας είναι η εκτίμηση της θέσης. Μια άλλη δημοφιλής τεχνολογία, Global Positioning System (ή GPS) Πώς λειτουργεί το GPS Tracking και τι μπορείτε να παρακολουθείτε με αυτό; Πώς λειτουργεί το GPS Tracking και τι μπορείτε να παρακολουθείτε με αυτό; GPS. Το γνωρίζουμε ως την τεχνολογία που μας καθοδηγεί από το Α στο Β. Αλλά το GPS είναι κάτι περισσότερο από αυτό. Υπάρχει ένας κόσμος δυνατοτήτων και δεν θέλουμε να χάσετε. Διαβάστε περισσότερα έχει εκτιμήσει τη θέση του από τον πρώτο πόλεμο του Κόλπου της δεκαετίας του 1990.
Διαφοροποίηση μεταξύ SLAM και GPS
Έτσι λοιπόν γιατί η ανάγκη για ένα νέο αλγόριθμο; Το GPS έχει δύο εγγενή προβλήματα. Πρώτον, ενώ το GPS είναι ακριβές σε σχέση με την παγκόσμια κλίμακα, τόσο η ακρίβεια όσο και η ακρίβεια μειώνουν τη κλίμακα σε σχέση με ένα δωμάτιο ή ένα τραπέζι ή μια μικρή διασταύρωση. Το GPS έχει ακρίβεια κάτω από ένα μέτρο, αλλά ποιο είναι το εκατοστό; Χιλιοστόμετρο?
Δεύτερον, το GPS δεν λειτουργεί καλά κάτω από το νερό. Με όχι καλά εννοώ καθόλου. Παρομοίως, η απόδοση είναι σκιασμένη μέσα στα κτίρια με πυκνούς τοίχους σκυροδέματος. Ή στα υπόγεια. Έχετε την ιδέα. Το GPS είναι ένα δορυφορικό σύστημα, το οποίο υποφέρει από φυσικούς περιορισμούς.
Έτσι οι SLAM αλγόριθμοι αποσκοπούν να δώσουν μια βελτιωμένη αίσθηση θέσης για τα πιο προηγμένα gadgets και μηχανές μας.
Αυτές οι συσκευές διαθέτουν ήδη πολλούς αισθητήρες και περιφερειακά. Οι αλγόριθμοι SLAM χρησιμοποιούν τα δεδομένα από όσο το δυνατόν περισσότερα από αυτά χρησιμοποιώντας ορισμένα μαθηματικά και στατιστικά στοιχεία.
Κοτόπουλο ή αυγό; Θέση ή Χάρτης;
Τα μαθηματικά και τα στατιστικά στοιχεία χρειάζονται για να απαντήσουν σε ένα σύνθετο ζήτημα: χρησιμοποιείται η θέση για να δημιουργηθεί ο χάρτης του περιβάλλοντος ή είναι ο χάρτης του περιβάλλοντος που χρησιμοποιείται για τον υπολογισμό της θέσης;
Σκέψη χρόνου πειράματος! Είστε διαδιάστατα στρεβλωμένοι σε ένα άγνωστο μέρος. Ποιο είναι το πρώτο πράγμα που κάνεις; Πανικός? Εντάξει, χαλαρώστε, πάρτε μια ανάσα. Πάρτε ένα άλλο. Τώρα, ποιο είναι το δεύτερο πράγμα που κάνεις; Κοιτάξτε γύρω και προσπαθήστε να βρείτε κάτι οικείο. Μια καρέκλα είναι στα αριστερά σας. Ένα φυτό είναι στα δεξιά σου. Ένα τραπεζάκι του καφέ είναι μπροστά σας.
Στη συνέχεια, μόλις ο παραλύοντας φόβος του "Where the hell am I?" Φεύγει, αρχίζετε να κινούνται. Περιμένετε, πώς λειτουργεί η κίνηση σε αυτή τη διάσταση; Κάντε ένα βήμα μπροστά. Η καρέκλα και το εργοστάσιο γίνονται όλο και μικρότερα και ο πίνακας γίνεται όλο και μεγαλύτερος. Τώρα, μπορείτε να επιβεβαιώσετε ότι προχωράτε μπροστά.
Οι παρατηρήσεις είναι σημαντικές για τη βελτίωση της ακρίβειας της εκτίμησης SLAM. Στο παρακάτω βίντεο, καθώς το ρομπότ μετακινείται από δείκτη σε δείκτη, χτίζει έναν καλύτερο χάρτη του περιβάλλοντος.
Επιστροφή στην άλλη διάσταση, όσο περισσότερο περπατάτε, τόσο περισσότερο εσείς τον προσανατολίζετε. Η σμίκρυνση προς όλες τις κατευθύνσεις επιβεβαιώνει ότι η μετακίνηση σε αυτήν τη διάσταση είναι παρόμοια με την αρχική σας διάσταση. Καθώς πηγαίνετε στα δεξιά, το φυτό αναδύεται μεγαλύτερο. Είναι χρήσιμο, βλέπετε άλλα πράγματα που προσδιορίζετε ως ορόσημα σε αυτόν τον νέο κόσμο που σας επιτρέπουν να περιπλανηθείτε με περισσότερη σιγουριά.
Αυτή είναι ουσιαστικά η διαδικασία της SLAM.
Είσοδοι στη Διαδικασία
Για να γίνουν αυτές οι εκτιμήσεις, οι αλγόριθμοι χρησιμοποιούν αρκετά κομμάτια δεδομένων που μπορούν να κατηγοριοποιηθούν ως εσωτερικά ή εξωτερικά. Για το διαστασιακό σας παράδειγμα μεταφοράς (παραδέχεστε το, είχατε ένα διασκεδαστικό ταξίδι), οι εσωτερικές μετρήσεις είναι το μέγεθος των βημάτων και της κατεύθυνσης.
Οι εξωτερικές μετρήσεις έχουν τη μορφή εικόνων. Ο εντοπισμός ορόσημων όπως το φυτό, η καρέκλα και το τραπέζι είναι ένα εύκολο έργο για τα μάτια και τον εγκέφαλο. Ο πιο ισχυρός επεξεργαστής γνωστός - ο ανθρώπινος εγκέφαλος - είναι σε θέση να λάβει αυτές τις εικόνες και όχι μόνο να ταυτοποιήσει αντικείμενα, αλλά και να εκτιμήσει την απόσταση από το αντικείμενο αυτό.
Δυστυχώς (ή ευτυχώς, ανάλογα με τον φόβο σας για το SkyNet), τα ρομπότ δεν έχουν ανθρώπινο εγκέφαλο ως επεξεργαστή. Οι μηχανές βασίζονται σε τσιπ πυριτίου με ανθρώπινο γραπτό κώδικα ως εγκέφαλο.
Άλλα μηχανήματα κάνουν εξωτερικές μετρήσεις. Περιφερειακά όπως γυροσκόπια ή άλλη μονάδα αδρανειακής μέτρησης (IMU) είναι χρήσιμα για να γίνει αυτό. Τα ρομπότ, όπως αυτοκινητοκίνητα αυτοκίνητα, χρησιμοποιούν επίσης την οδόμετρο της θέσης του τροχού ως εσωτερική μέτρηση.
Εξωτερικά, ένα αυτοκίνητο αυτοκίνησης και άλλα ρομπότ χρησιμοποιούν το LIDAR. Παρόμοια με το πώς το ραντάρ χρησιμοποιεί τα ραδιοκύματα, τα μέτρα LIDAR αντανακλούν τους παλμούς φωτός για να προσδιορίσουν την απόσταση. Το χρησιμοποιούμενο φως είναι τυπικά υπεριώδες ή σχεδόν υπέρυθρο, παρόμοιο με έναν αισθητήρα υπέρυθρου βάθους.
Το LIDAR στέλνει δεκάδες χιλιάδες παλμούς ανά δευτερόλεπτο για να δημιουργήσει ένα χάρτη τρισδιάστατου σημείου νέφους υψηλής ευκρίνειας. Έτσι, ναι, την επόμενη φορά που ο Tesla κυλάει γύρω από τον αυτόματο πιλότο, θα σας πυροβολήσει με ένα λέιζερ. Πολλές φορές.
Επιπλέον, οι αλγόριθμοι SLAM χρησιμοποιούν στατικές εικόνες και τεχνικές ηλεκτρονικής όρασης ως εξωτερική μέτρηση. Αυτό γίνεται με μία μόνο κάμερα, αλλά μπορεί να γίνει ακόμη πιο ακριβής με ένα στερεοφωνικό ζευγάρι.
Μέσα στο Μαύρο Κουτί
Οι εσωτερικές μετρήσεις θα ενημερώσουν την εκτιμώμενη θέση, η οποία μπορεί να χρησιμοποιηθεί για την ενημέρωση του εξωτερικού χάρτη. Οι εξωτερικές μετρήσεις θα ενημερώσουν τον εκτιμώμενο χάρτη, ο οποίος μπορεί να χρησιμοποιηθεί για την ενημέρωση της θέσης. Μπορείτε να το σκεφτείτε ως πρόβλημα συμπερασμάτων και η ιδέα είναι να βρείτε τη βέλτιστη λύση.
Ένας κοινός τρόπος για να γίνει αυτό είναι μέσω της πιθανότητας. Τεχνικές όπως η κατά προσέγγιση θέση του φίλτρου σωματιδίων και η χαρτογράφηση χρησιμοποιώντας Bayesian στατιστικό συμπέρασμα.
Ένα φίλτρο σωματιδίων χρησιμοποιεί έναν καθορισμένο αριθμό σωματιδίων που απλώνεται από μια Gaussian κατανομή. Κάθε σωματίδιο "προβλέπει" την τρέχουσα θέση του ρομπότ. Μια πιθανότητα αντιστοιχεί σε κάθε σωματίδιο. Όλα τα σωματίδια αρχίζουν με την ίδια πιθανότητα.
Όταν γίνονται μετρήσεις που επιβεβαιώνουν το ένα το άλλο (όπως το βήμα προς τα εμπρός = ο πίνακας γίνεται όλο και μεγαλύτερο), τότε τα σωματίδια που είναι "σωστά" στη θέση τους δίνουν σταδιακά καλύτερες πιθανότητες. Τα σωματίδια τα οποία είναι απομακρυσμένα αποδίδονται χαμηλότερες πιθανότητες.
Τα περισσότερα ορόσημα που μπορεί να αναγνωρίσει ένα ρομπότ, τόσο το καλύτερο. Τα ορόσημα παρέχουν ανατροφοδότηση στον αλγόριθμο και επιτρέπουν πιο ακριβείς υπολογισμούς.
Τρέχουσες εφαρμογές που χρησιμοποιούν αλγορίθμους SLAM
Ας σπάσουμε αυτό το κομψό κομμάτι της τεχνολογίας με το κομψό κομμάτι της τεχνολογίας.
Αυτόνομα υποβρύχια οχήματα (AUV)
Τα μη επανδρωμένα υποβρύχια μπορούν να λειτουργούν αυτόνομα χρησιμοποιώντας τεχνικές SLAM. Ένα εσωτερικό IMU παρέχει δεδομένα επιτάχυνσης και κίνησης σε τρεις κατευθύνσεις. Επιπλέον, τα AUVs χρησιμοποιούν sonar προς τα κάτω για εκτιμήσεις βάθους. Ο πλευρικός σόναρ σάρωσης δημιουργεί εικόνες του θαλάσσιου δαπέδου, με μια σειρά από μερικές εκατοντάδες μέτρα.
Αναμεικτήρες μικτής πραγματικότητας
Το Microsoft και το Magic Leap έχουν παραγάγει φορητά γυαλιά που εισάγουν εφαρμογές Mixed Reality Windows Mixed Reality: Τι είναι και πώς να το δοκιμάσετε τώρα Windows Mixed Reality: Τι είναι και πώς να το δοκιμάσετε Windows Mixed Reality είναι ένα νέο χαρακτηριστικό που σας επιτρέπει να χρησιμοποιήσετε Windows 10 σε εικονική και επαυξημένη πραγματικότητα. Εδώ είναι γιατί είναι συναρπαστικό και πώς να μάθετε αν το PC σας το υποστηρίζει. Διαβάστε περισσότερα . Η εκτίμηση της θέσης και η δημιουργία ενός χάρτη είναι ζωτικής σημασίας για αυτά τα φορέματα. Οι συσκευές χρησιμοποιούν το χάρτη για να τοποθετήσουν εικονικά αντικείμενα πάνω από πραγματικά αντικείμενα και να τα αλληλεπιδρούν μεταξύ τους.
Δεδομένου ότι αυτά τα φορέματα είναι μικρά, δεν μπορούν να χρησιμοποιήσουν μεγάλα περιφερειακά όπως το LIDAR ή το σόναρ. Αντ 'αυτού, μικρότεροι αισθητήρες βάθους υπερύθρων και κάμερες προς τα έξω χρησιμοποιούνται για τη χαρτογράφηση ενός περιβάλλοντος.
Αυτο-οδήγηση αυτοκίνητα
Τα αυτόνομα αυτοκίνητα έχουν ένα μικρό πλεονέκτημα έναντι των φορητών. Με πολύ μεγαλύτερο φυσικό μέγεθος, τα αυτοκίνητα μπορούν να κρατούν μεγαλύτερους υπολογιστές και να διαθέτουν περισσότερα περιφερειακά για να κάνουν εσωτερικές και εξωτερικές μετρήσεις. Με πολλούς τρόπους, τα αυτοκατοικούντα αυτοκίνητα αντιπροσωπεύουν το μέλλον της τεχνολογίας, τόσο όσον αφορά το λογισμικό όσο και το υλικό.
Η τεχνολογία SLAM βελτιώνεται
Με την τεχνολογία SLAM να χρησιμοποιείται με διάφορους τρόπους, είναι μόνο θέμα χρόνου πριν τελειοποιηθεί. Αφού τα αυτοκίνητα (και άλλα οχήματα) αυτο-οδήγησης εμφανίζονται σε καθημερινή βάση, θα γνωρίζετε ότι ο ταυτόχρονος εντοπισμός και χαρτογράφηση είναι έτοιμος για χρήση από όλους.
Η αυτο-οδήγηση τεχνολογία βελτιώνεται κάθε μέρα. Θέλετε να μάθετε περισσότερα; Ανακαλύψτε τη λεπτομερή ανάλυση του MakeUseOf σχετικά με το πώς δουλεύουν τα αυτοκίνητα με αυτοκατοχή Πώς λειτουργούν τα Αυτοκίνητα Αυτοκίνητα: Τα Καρύδια και τα Βίδες πίσω από το Αυτόνομο Πρόγραμμα Αυτοκινήτου της Google Πώς λειτουργούν τα Αυτοκίνητα Αυτοκίνητα: Τα Καρύδια και τα Κλειδιά Πίσω από το Αυτόνομο Πρόγραμμα Αυτοκινήτου της Google να εργάζεσαι στον ύπνο, να τρώεις ή να πιάσεις τα αγαπημένα σου ιστολόγια είναι μια ιδέα που είναι εξίσου ελκυστική και φαινομενικά μακριά και πολύ φουτουριστική για να συμβεί πραγματικά. Διαβάστε περισσότερα . Ενδέχεται επίσης να ενδιαφέρεστε για τον τρόπο με τον οποίο οι χάκερ στοχεύουν σε συνδεδεμένα αυτοκίνητα.
Πιστωτική Εικόνα: chesky_w / Depositphotos
Εξερευνήστε περισσότερα σχετικά με: Τεχνητή Νοημοσύνη, Τεχνολογία Αυτοκινήτου, Αυτοκίνητο Αυτοκίνητο, SLAM.
