Co je SLAM? Jak autosedačky vědí, kde jsou

reklama

Simultánní lokalizace a mapování (SLAM) pravděpodobně není fráze, kterou používáte každý den. Několik nejnovějších skvělých technologických zázraků však tento proces používá každou milisekundu své životnosti.

Co je SLAM? Proč to potřebujeme? A o čem jsou tyto skvělé technologie?

Od zkratky k abstraktní myšlence

Zde je rychlá hra pro vás. Který z nich nepatří?

• Auta s vlastním pohonem
• Rozšířená realita aplikace
• Autonomní letecká a podvodní vozidla
• Kombinovaná realita nositelná
• The Roomba

Možná si myslíte, že odpověď je snadno poslední položkou v seznamu. Svým způsobem máte pravdu. Jinak to byla triková hra, protože všechny tyto položky spolu souvisejí.

Skutečnou otázkou (velmi cool) hry je toto: Co dělá všechny tyto technologie proveditelné? Odpověď: současná lokalizace a mapování, nebo SLAM! jak to říkají skvělé děti.

Obecně je účel algoritmů SLAM dostatečně snadný pro iteraci. Robot použije současnou lokalizaci a mapování k odhadu své polohy a orientace (nebo pozice) v prostoru při vytváření mapy svého prostředí. To umožňuje robotovi zjistit, kde se nachází a jak se pohybovat v neznámém prostoru.

Proto ano, to znamená, že celý tento efektní algoritmus smíchu je odhad polohy. Další populární technologie, Globální poziční systém (nebo GPS) Jak funguje sledování GPS a co s ním můžete sledovat?GPS. Známe to jako technologii, která nás vede z bodu A do bodu B. Ale GPS je víc než to. Existuje svět možností a nechceme, aby vám unikla. Přečtěte si více odhaduje postavení od první války v Zálivu v 90. letech.

Rozlišování mezi SLAM a GPS

Tak proč tedy potřeba nového algoritmu? GPS má dva vlastní problémy. Zaprvé, zatímco GPS je přesný ve vztahu k globálnímu měřítku, jak přesnost, tak i přesnost zmenšují měřítko vzhledem k místnosti nebo stolu nebo malé křižovatce. GPS má přesnost až na metr, ale co centimetr? Milimetr?

Za druhé, GPS nefunguje dobře pod vodou. Tím myslím, že vůbec ne. Podobně je výkon skvrnitý uvnitř budov se silnými betonovými stěnami. Nebo v suterénu. Získáte nápad. GPS je satelitní systém, který trpí fyzickými omezeními.

Algoritmy SLAM mají tedy za cíl poskytnout vylepšený pocit pozice našim nejpokročilejším zařízením a strojům.

Tato zařízení již mají litanii senzorů a periferií. Algoritmy SLAM využívají data z co nejvíce z nich pomocí matematiky a statistiky.

Kuře nebo vejce? Pozice nebo mapa?

Matematika a statistika jsou potřebné k zodpovězení složité situace: používá se pozice k vytvoření mapy okolí nebo se k výpočtu polohy používá mapa okolí?

Myšlenková doba experimentu! Jste mezidimenzionálně pokřivení na neznámé místo. Co děláš první věc? Panika? Dobře, uklidni se, nadechni se. Vezměte další. Jaká je druhá věc, kterou děláte? Rozhlédněte se kolem a pokuste se najít něco známého. Židle je vlevo. Rostlina je po vaší pravici. Konferenční stolek je před vámi.

Další, jednou paralyzující strach z „Kde jsem sakra?“ opotřebuje se, začnete se pohybovat. Počkejte, jak funguje pohyb v této dimenzi? Udělejte krok vpřed. Židle a rostlina se zmenšují a stůl se zvětšuje. Nyní můžete potvrdit, že se ve skutečnosti pohybujete kupředu.

Pozorování jsou klíčem ke zlepšení přesnosti odhadu SLAM. Ve videu níže, jak se robot pohybuje ze značky na značku, vytváří lepší mapu prostředí.

Zpět do jiné dimenze, čím více procházíte, tím více se orientujete. Krok ve všech směrech potvrzuje, že pohyb v této dimenzi je podobný vaší domovské dimenzi. Když jdete doprava, rostlina se zvětšuje. Naštěstí vidíte další věci, které v tomto novém světě identifikujete jako orientační body a které vám umožní sebevědomější putování.

Toto je v podstatě proces SLAM.

Vstupy do procesu

Aby bylo možné provést tyto odhady, algoritmy používají několik údajů, které lze klasifikovat jako interní nebo externí. Jako příklad interdimenzionálního transportu (přiznávejte, měli jste zábavnou cestu) jsou interní měření velikost kroků a směru.

Provedená externí měření jsou ve formě obrázků. Identifikace orientačních bodů, jako je rostlina, židle a stůl, je pro oči a mozek snadným úkolem. Nejsilnější známý procesor - lidský mozek - je schopen tyto snímky pořídit a nejen identifikovat objekty, ale také odhadnout vzdálenost k tomuto objektu.

Bohužel (nebo naštěstí v závislosti na vašem strachu z SkyNet) roboti nemají jako procesor lidský mozek. Stroje spoléhají na silikonové čipy s lidským psaným kódem jako mozkem.

Ostatní kusy strojů provádějí externí měření. K tomu jsou užitečné periferní zařízení, jako jsou gyroskopy nebo jiná inerciální měřící jednotka (IMU). Roboti, jako jsou automobily s vlastním pohonem, používají také jako vnitřní měření odometrii polohy kola.

Externě, vůz s vlastním řízením a další roboti používají LIDAR. Podobně jako radar využívá rádiových vln, LIDAR měří odražené světelné impulzy k určení vzdálenosti. Používané světlo je obvykle ultrafialové nebo téměř infračervené, podobné infračervenému hloubkovému senzoru.

LIDAR vysílá desítky tisíc impulsů za sekundu, aby vytvořil trojrozměrnou cloudovou mapu s extrémně vysokým rozlišením. Takže, příště, až se Tesla otočí na autopilotu, střílí vás laserem. Hodněkrát.

Algoritmy SLAM navíc používají statické obrazy a techniky počítačového vidění jako externí měření. To se provádí pomocí jediné kamery, ale lze ji dosáhnout ještě přesnější pomocí stereo páru.

Uvnitř černé skříňky

Interní měření aktualizuje odhadovanou polohu, kterou lze použít k aktualizaci externí mapy. Externí měření aktualizuje odhadovanou mapu, kterou lze použít k aktualizaci polohy. Můžete to považovat za inferenční problém a myšlenkou je najít optimální řešení.

Běžným způsobem, jak toho dosáhnout, je pravděpodobnost. Techniky, jako je přibližná poloha filtru částic a mapování pomocí Bayesovské statistické inference.

Filtr částic používá stanovený počet částic rozptýlených Gaussovou distribucí. Každá částice „předpovídá“ aktuální polohu robota. Každá částice je přiřazena pravděpodobnost. Všechny částice začínají se stejnou pravděpodobností.

Když se provádějí měření, která se navzájem potvrzují (například krok vpřed = zvětšení tabulky), pak částice, které jsou ve své poloze „správné“, se postupně získají lepší pravděpodobnosti. Částicím, které jsou daleko pryč, jsou přiřazeny nižší pravděpodobnosti.

Čím více památek dokáže robot identifikovat, tím lépe. Orientační body poskytují zpětnou vazbu k algoritmu a umožňují přesnější výpočty.

Aktuální aplikace využívající algoritmy SLAM

Pojďme to rozbít, cool kus technologie cool kus technologie.

Autonomní podvodní vozidla (AUV)

Bezpilotní ponorky mohou pracovat autonomně pomocí technik SLAM. Interní IMU poskytuje data zrychlení a pohybu ve třech směrech. Navíc AUV používají pro odhad hloubky sonar směřující zdola. Sonar s bočním snímáním vytváří obrazy mořského dna s dosahem několika set metrů.

Smíšené reality nošení

Microsoft a Magic Leap vyrobily nositelné brýle, které se představí Aplikace smíšené reality Windows Smíšená realita: Co to je a jak to vyzkoušet hned teďWindows Smíšená realita je nová funkce, která umožňuje používat Windows 10 ve virtuální a rozšířené realitě. Zde je důvod, proč je to vzrušující a jak zjistit, zda je váš počítač podporuje. Přečtěte si více . Pro tyto nositelné nosiče je rozhodující odhad polohy a vytvoření mapy. Zařízení používají mapu k umisťování virtuálních objektů na skutečné objekty a jejich vzájemného působení.

Protože tyto nositelné prvky jsou malé, nemohou používat velká periferní zařízení, jako je LIDAR nebo sonar. Místo toho se pro mapování prostředí používají menší infračervené hloubkové senzory a kamery směřující ven.

Auta s vlastním pohonem

Autonomní auta mají oproti nositelným vozům trochu výhodu. S mnohem větší fyzickou velikostí mohou auta pojmout větší počítače a mít více periferií k provádění interních a externích měření. V mnoha ohledech představují automobily s vlastním pohonem budoucnost technologie, pokud jde o software i hardware.

Technologie SLAM se zlepšuje

Technologie SLAM je používána mnoha různými způsoby, je to jen otázka času, než bude zdokonalena. Jakmile budou automobily s vlastním pohonem (a jiná vozidla) vidět každý den, budete vědět, že současná lokalizace a mapování jsou připraveny k použití pro všechny.

Technologie s vlastním pohonem se zlepšuje každý den. Chcete vědět více? Podívejte se na podrobné členění MakeUseOf jak fungují auta s vlastním pohonem Jak fungují auta s vlastním pohonem: Matice a šrouby za autonomním programem Google pro automobilyBýt schopen dojíždět sem a tam do práce při spánku, jídle nebo dohání svého oblíbeného blogy jsou konceptem, který je stejně přitažlivý a zdánlivě vzdálený a příliš futuristický, než aby byl ve skutečnosti přihodit se. Přečtěte si více . Mohlo by vás také zajímat jak hackeři zacílí na propojená auta.

Obrázek Kredit: chesky_w /Depositphotos