Home-theater-designers
Localizzazione e mappatura simultanee (SLAM) probabilmente non è una frase che usi tutti i giorni. Tuttavia, molte delle ultime fantastiche meraviglie tecnologiche utilizzano questo processo ogni millisecondo della loro durata.
Cos'è SLAM? Perchè ne abbiamo bisogno? E quali sono queste fantastiche tecnologie di cui parli?
puoi rimborsare un gioco su Steam?
Dall'acronimo all'idea astratta
Ecco un gioco veloce per te. Quale di questi non appartiene?
- Auto a guida autonoma
- App di realtà aumentata
- Veicoli aerei e subacquei autonomi
- Indossabili in realtà mista
- Il Roomba
Potresti pensare che la risposta sia facilmente l'ultimo elemento dell'elenco. In un certo senso hai ragione. In un altro modo, questo era un gioco di trucchi poiché tutti questi elementi sono correlati.
Credito immagine: Nathan Kroll/ Flickr
La vera domanda del gioco (molto interessante) è questa: cosa rende realizzabili tutte queste tecnologie? La risposta: localizzazione e mappatura simultanee, o SLAM! come dicono i bei ragazzi.
In senso generale, lo scopo degli algoritmi SLAM è abbastanza facile da ripetere. Un robot utilizzerà la localizzazione e la mappatura simultanee per stimare la sua posizione e orientamento (o posa) nello spazio durante la creazione di una mappa del suo ambiente. Ciò consente al robot di identificare dove si trova e come muoversi attraverso uno spazio sconosciuto.
Pertanto, sì, vale a dire che tutto ciò che fa questo algoritmo fantasioso è stimare la posizione. Un'altra tecnologia popolare, il Global Positioning System (o GPS) stima la posizione sin dalla prima guerra del Golfo degli anni '90.
Differenziazione tra SLAM e GPS
Allora perché la necessità di un nuovo algoritmo? Il GPS ha due problemi intrinseci. Innanzitutto, mentre il GPS è accurato rispetto a una scala globale, sia la precisione che l'accuratezza diminuiscono la scala rispetto a una stanza, un tavolo o un piccolo incrocio. Il GPS ha una precisione fino a un metro, ma qual è il centimetro? Millimetro?
In secondo luogo, il GPS non funziona bene sott'acqua. Per non bene intendo per niente. Allo stesso modo, le prestazioni sono discutibili all'interno di edifici con spessi muri di cemento. O negli scantinati. Hai l'idea. Il GPS è un sistema satellitare, che soffre di limitazioni fisiche.
Quindi gli algoritmi SLAM mirano a dare un migliore senso di posizione per i nostri gadget e macchine più avanzati.
Questi dispositivi hanno già una serie di sensori e periferiche. Gli algoritmi SLAM utilizzano i dati dal maggior numero possibile di questi utilizzando alcuni calcoli e statistiche.
Pollo o Uovo? Posizione o mappa?
La matematica e le statistiche sono necessarie per rispondere a un dilemma complesso: la posizione viene utilizzata per creare la mappa dei dintorni o la mappa dei dintorni viene utilizzata per calcolare la posizione?
Tempo di esperimento mentale! Sei deformato interdimensionalmente in un luogo sconosciuto. Qual è la prima cosa che fai? Panico? Ok, calmati, fai un respiro. Prendi un altro. Ora, qual è la seconda cosa che fai? Guardati intorno e cerca di trovare qualcosa di familiare. Una sedia è alla tua sinistra. Una pianta è alla tua destra. Un tavolino da caffè è di fronte a te.
Successivamente, una volta che la paura paralizzante di 'Dove diavolo sono?' svanisce, inizi a muoverti. Aspetta, come funziona il movimento in questa dimensione? Fai un passo avanti. La sedia e la pianta si rimpiccioliscono e il tavolo si ingrandisce. Ora puoi confermare che stai effettivamente andando avanti.
come organizzare i libri su kindle fire
Le osservazioni sono fondamentali per migliorare l'accuratezza della stima SLAM. Nel video qui sotto, mentre il robot si sposta da un marker all'altro, costruisce una mappa migliore dell'ambiente.
Tornando all'altra dimensione, più cammini e più ti orienti. Fare un passo in tutte le direzioni conferma che il movimento in questa dimensione è simile alla tua dimensione domestica. Mentre vai a destra, la pianta incombe più grande. In modo utile, vedi altre cose che identifichi come punti di riferimento in questo nuovo mondo che ti permettono di vagare con più sicurezza.
Questo è essenzialmente il processo di SLAM.
Input al processo
Per effettuare queste stime, gli algoritmi utilizzano diversi dati che possono essere classificati come interni o esterni. Per il tuo esempio di trasporto interdimensionale (ammettilo, hai fatto un viaggio divertente), le misure interne sono le dimensioni dei passi e la direzione.
Le misurazioni esterne effettuate sono sotto forma di immagini. Identificare punti di riferimento come la pianta, la sedia e il tavolo è un compito facile per gli occhi e il cervello. Il processore più potente conosciuto --- il cervello umano --- è in grado di prendere queste immagini e non solo identificare gli oggetti, ma anche stimare la distanza da quell'oggetto.
Sfortunatamente (o fortunatamente, a seconda della tua paura di SkyNet), i robot non hanno un cervello umano come processore. Le macchine si basano su chip di silicio con codice scritto umano come cervello.
Altri pezzi di macchinari effettuano misurazioni esterne. Periferiche come giroscopi o altre unità di misura inerziale (IMU) sono utili a tal fine. Anche i robot come le auto a guida autonoma utilizzano l'odometria della posizione delle ruote come misura interna.
Credito immagine: Jennifer Morrow/ Flickr
Esternamente, un'auto a guida autonoma e altri robot utilizzano LIDAR. Simile a come il radar utilizza le onde radio, LIDAR misura gli impulsi di luce riflessa per identificare la distanza. La luce utilizzata è tipicamente ultravioletta o vicina all'infrarosso, simile a un sensore di profondità a infrarossi.
LIDAR invia decine di migliaia di impulsi al secondo per creare una mappa della nuvola di punti tridimensionale ad altissima definizione. Quindi, sì, la prossima volta che Tesla si muoverà con il pilota automatico, ti sparerà con un laser. Molte volte.
Inoltre, gli algoritmi SLAM utilizzano immagini statiche e tecniche di visione artificiale come misurazione esterna. Questo viene fatto con una singola fotocamera, ma può essere reso ancora più accurato con una coppia stereo.
Dentro la scatola nera
Le misurazioni interne aggiorneranno la posizione stimata, che può essere utilizzata per aggiornare la mappa esterna. Le misurazioni esterne aggiorneranno la mappa stimata, che può essere utilizzata per aggiornare la posizione. Puoi pensarlo come un problema di inferenza e l'idea è trovare la soluzione ottimale.
Un modo comune per farlo è attraverso la probabilità. Tecniche come un filtro antiparticolato approssimano la posizione e la mappatura utilizzando l'inferenza statistica bayesiana.
Un filtro antiparticolato utilizza un determinato numero di particelle distribuite da una distribuzione gaussiana. Ogni particella 'predice' la posizione attuale del robot. Ad ogni particella viene assegnata una probabilità. Tutte le particelle iniziano con la stessa probabilità.
Quando vengono effettuate misurazioni che si confermano a vicenda (come passo avanti = tavolo che diventa più grande), allora le particelle che sono 'corrette' nella loro posizione ricevono in modo incrementale probabilità migliori. Alle particelle lontane vengono assegnate probabilità inferiori.
Più punti di riferimento un robot può identificare, meglio è. I punti di riferimento forniscono feedback all'algoritmo e consentono calcoli più precisi.
Applicazioni correnti che utilizzano algoritmi SLAM
Analizziamo questo, fantastico pezzo di tecnologia per fantastico pezzo di tecnologia.
Veicoli subacquei autonomi (AUV)
I sottomarini senza equipaggio possono operare autonomamente utilizzando tecniche SLAM. Un'IMU interna fornisce dati di accelerazione e movimento in tre direzioni. Inoltre, gli AUV utilizzano il sonar rivolto verso il basso per le stime della profondità. Il sonar a scansione laterale crea immagini del fondale marino, con una portata di un paio di centinaia di metri.
Credito immagine: Florida Sea Grant/ Flickr
Indossabili in realtà mista
Microsoft e Magic Leap hanno prodotto occhiali indossabili che introducono applicazioni di realtà mista. La stima della posizione e la creazione di una mappa sono fondamentali per questi dispositivi indossabili. I dispositivi utilizzano la mappa per posizionare oggetti virtuali sopra oggetti reali e farli interagire tra loro.
sposta la licenza di Windows 10 su un nuovo computer
Poiché questi dispositivi indossabili sono piccoli, non possono utilizzare periferiche di grandi dimensioni come LIDAR o sonar. Invece, per mappare un ambiente vengono utilizzati sensori di profondità a infrarossi più piccoli e fotocamere rivolte verso l'esterno.
Auto a guida autonoma
Le auto autonome hanno un piccolo vantaggio rispetto ai dispositivi indossabili. Con una dimensione fisica molto più grande, le auto possono contenere computer più grandi e avere più periferiche per effettuare misurazioni interne ed esterne. In molti modi, le auto a guida autonoma rappresentano il futuro della tecnologia, sia in termini di software che hardware.
La tecnologia SLAM sta migliorando
Con la tecnologia SLAM utilizzata in molti modi diversi, è solo questione di tempo prima che venga perfezionata. Una volta che le auto a guida autonoma (e altri veicoli) vengono viste quotidianamente, saprai che la localizzazione e la mappatura simultanee sono pronte per l'uso da parte di tutti.
La tecnologia della guida autonoma migliora ogni giorno. Voglio sapere di più? Dai un'occhiata alla ripartizione dettagliata di MakeUseOf su come funzionano le auto a guida autonoma. Potresti anche essere interessato a come gli hacker prendono di mira le auto connesse.
Credito immagine: chesky_w/ Depositphotos
Condividere Condividere Tweet E-mail Come accedere alla livella a bolla integrata di Google su AndroidSe hai mai avuto bisogno di assicurarti che qualcosa sia livellato in un pizzico, ora puoi ottenere una livella a bolla sul tuo telefono in pochi secondi.
Leggi Avanti Argomenti correlati- La tecnologia spiegata
- Tecnologia automobilistica
- Intelligenza artificiale
- Auto a guida autonoma
- SBATTERE
Tom è un ingegnere del software della Florida (un saluto a Florida Man) con la passione per la scrittura, il football universitario (go Gators!), CrossFit e le virgole di Oxford.
Altro da Tom JohnsenIscriviti alla nostra Newsletter
Iscriviti alla nostra newsletter per suggerimenti tecnici, recensioni, ebook gratuiti e offerte esclusive!
Clicca qui per iscriverti