Home-theater-designers
לוקליזציה ומיפוי סימולטני (SLAM) הוא כנראה לא ביטוי שאתה משתמש בו מדי יום. עם זאת, כמה מהנפלאות הטכנולוגיות המגניבות האחרונות משתמשות בתהליך זה כל אלפית שנייה מחייהן.
מהו SLAM? למה אנחנו צריכים את זה? ומהן הטכנולוגיות המגניבות האלה שאתה מדבר עליהם?
מהו מצב נתונים נמוך באייפון
מראשי תיבות ועד רעיון מופשט
לפניכם משחק מהיר. למי מאלה לא שייך?
- מכוניות לנהיגה עצמית
- אפליקציות מציאות רבודה
- כלי טיס ותת ימי אוטונומיים
- לבישות מציאות מעורבת
- הרומבה
אתה עשוי לחשוב שהתשובה היא הפריט האחרון ברשימה בקלות. במובן מסוים אתה צודק. באופן אחר, זה היה משחק טריק שכן כל הפריטים האלה קשורים.
קרדיט תמונה: נתן קרול/ פליקר
השאלה האמיתית של המשחק (מאוד מגניב) היא זו: מה הופך את כל הטכנולוגיות האלה ליישמות? התשובה: לוקליזציה ומיפוי בו זמנית, או SLAM! כמו שהילדים המגניבים אומרים את זה.
במובן הכללי, מטרתם של אלגוריתמי SLAM קלה מספיק לצורך איטרציה. רובוט ישתמש בלוקליזציה ומיפוי בו זמנית כדי לאמוד את מיקומו וכיוון (או תנוחה) בחלל תוך יצירת מפה של סביבתו. זה מאפשר לרובוט לזהות היכן הוא נמצא וכיצד לנוע דרך מרחב לא ידוע.
לכן, כן, זאת אומרת שכל מה שהאלגוריתם המהודר הזה עושה הוא הערכת מיקום. טכנולוגיה פופולרית נוספת, Global Positioning System (או GPS) מעריכה את המיקום מאז מלחמת המפרץ הראשונה של שנות התשעים.
הבחנה בין SLAM ל- GPS
אז מדוע הצורך באלגוריתם חדש? ל- GPS יש שתי בעיות מובנות. ראשית, בעוד ש- GPS מדויק ביחס לקנה מידה עולמי, גם הדיוק וגם הדיוק פוחתים בהיקף ביחס לחדר, או שולחן, או צומת קטן. ל- GPS יש דיוק עד מטר, אבל מה הסנטימטר? מִילִימֶטֶר?
שנית, ה- GPS אינו פועל היטב מתחת למים. עם לא טוב אני מתכוון בכלל לא. באופן דומה, הביצועים נקודתיים בתוך מבנים עם קירות בטון עבים. או במרתפים. קלטת את הרעיון. GPS היא מערכת מבוססת לוויין, הסובלת ממגבלות פיזיות.
אז אלגוריתמי SLAM שואפים לתת תחושת מיקום משופרת עבור הגאדג'טים והמכונות המתקדמים ביותר שלנו.
למכשירים אלה יש כבר שפע של חיישנים וציוד היקפי. אלגוריתמי SLAM מנצלים את הנתונים מכמה שיותר מאלה באמצעות מתמטיקה וסטטיסטיקה.
עוף או ביצה? מיקום או מפה?
יש צורך במתמטיקה וסטטיסטיקה כדי לענות על בעיה מורכבת: האם המיקום משמש ליצירת מפת הסביבה או שמפת הסביבה משמשת לחישוב המיקום?
זמן ניסוי מחשבתי! אתה מעוות בין ממדים למקום לא מוכר. מה הדבר הראשון שאתה עושה? בהלה? בסדר, תרגע, קח נשימה. לקחת אחר. עכשיו, מה הדבר השני שאתה עושה? הביטו מסביב ונסו למצוא משהו מוכר. כיסא משמאלך. צמח מימינכם. שולחן קפה לפניכם.
לאחר מכן, פעם הפחד המשתק של 'איפה לעזאזל אני?' מתפוגג, אתה מתחיל לזוז. רגע, איך התנועה עובדת בממד הזה? קח צעד קדימה. הכיסא והצמח הולכים וקטנים והשולחן הולך וגדל. כעת, אתה יכול לאשר שאתה למעשה ממשיך הלאה.
כיצד להגביר את עוצמת הקול במיקרופון ב- Windows 10
תצפיות הן המפתח לשיפור הדיוק של אומדן ה- SLAM. בסרטון למטה, כשהרובוט עובר מסמן לסמן, הוא בונה מפה טובה יותר של הסביבה.
בחזרה למימד האחר, ככל שאתה מסתובב יותר אתה מתמצא יותר. דריכה לכל הכיוונים מאשרת שתנועה בממד זה דומה למימד הביתי שלך. כאשר אתה הולך ימינה, הצמח מתנשא גדול יותר. מועיל, אתה רואה דברים אחרים שאתה מזהה כציוני דרך בעולם החדש הזה, המאפשרים לך לשוטט בביטחון רב יותר.
זהו בעצם התהליך של SLAM.
תשומות לתהליך
על מנת לבצע הערכות אלה, האלגוריתמים משתמשים במספר נתוני נתונים אותם ניתן לסווג כפנימיים או חיצוניים. לדוגמא התחבורה הבין-ממדית שלך (תודו שהיה לכם טיול מהנה), המדידות הפנימיות הן גודל המדרגות והכיוון.
המדידות החיצוניות המתבצעות הן בצורת תמונות. זיהוי ציוני דרך כגון הצמח, הכיסא והשולחן היא משימה קלה לעיניים ולמוח. המעבד החזק ביותר שידוע --- המוח האנושי --- מסוגל לצלם תמונות אלה ולא רק לזהות אובייקטים, אלא גם לאמוד את המרחק לאותו אובייקט.
לרוע המזל (או למרבה המזל, תלוי בפחד שלך מ- SkyNet), לרובוטים אין מוח אנושי כמעבד. מכונות מסתמכות על שבבי סיליקון עם קוד בכתב אנושי כמוח.
חלקים אחרים של מכונות מבצעים מדידות חיצוניות. ציוד היקפי כגון גירוסקופים או יחידת מדידה אינרציאלית אחרת (IMU) עוזרים לעשות זאת. רובוטים כגון מכוניות לנהיגה עצמית משתמשים גם במד-המידה של מיקום הגלגל כמדידה פנימית.
קרדיט תמונה: ג'ניפר מורו/ פליקר
חיצונית, מכונית בנהיגה עצמית ורובוטים אחרים משתמשים ב- LIDAR. בדומה לאופן שבו מכ'ם משתמש בגלי רדיו, LIDAR מודד פולסי אור משתקפים כדי לזהות מרחק. האור המשמש הוא בדרך כלל אולטרה סגול או קרוב לאינפרא אדום, בדומה לחיישן עומק אינפרא אדום.
LIDAR שולחת עשרות אלפי פולסים בשנייה ליצירת מפת ענן נקודה תלת מימדית בחדות גבוהה במיוחד. אז כן בפעם הבאה שטסלה תתגלגל על טייס אוטומטי היא תירה בך לייזר. הרבה פעמים.
בנוסף, אלגוריתמי SLAM משתמשים בתמונות סטטיות ובטכניקות ראיית מחשב כמדידה חיצונית. הדבר נעשה במצלמה אחת, אך ניתן להפוך אותו למדויק עוד יותר עם זוג סטריאו.
בתוך הקופסה השחורה
מדידות פנימיות יעדכנו את המיקום המשוער, שניתן להשתמש בו לעדכון המפה החיצונית. מדידות חיצוניות יעדכנו את המפה המשוערת, שבעזרתה ניתן לעדכן את המיקום. אתה יכול לחשוב על זה כבעיית מסקנה, והרעיון הוא למצוא את הפתרון האופטימלי.
דרך נפוצה לעשות זאת היא באמצעות הסתברות. טכניקות כגון מסנן חלקיקים מיקום משוער ומיפוי באמצעות הסקה סטטיסטית בייסיאנית.
מסנן חלקיקים משתמש במספר קבוע של חלקיקים המתפזרים על ידי התפלגות גאוסית. כל חלקיק 'מנבא' את מיקומו הנוכחי של הרובוט. לכל חלקיק מוקצית הסתברות. כל החלקיקים מתחילים באותה הסתברות.
כאשר מתבצעות מדידות המאשרות זו את זו (כגון צעד קדימה = הטבלה הולכת וגדלה), אז החלקיקים ה'נכונים 'במיקומם מקבלים סיכויים טובים יותר באופן הדרגתי. לחלקיקים שנמצאים רחוקים ישנן הסתברות נמוכה יותר.
ככל שרובוט יכול לזהות יותר נקודות ציון, כך ייטב. ציוני דרך מספקים משוב לאלגוריתם ומאפשרים חישובים מדויקים יותר.
יישומים עדכניים באמצעות אלגוריתמים SLAM
בואו נפרק את פיסת הטכנולוגיה המגניבה הזו לפי פיסת טכנולוגיה מגניבה.
כלי רכב תת מימיים אוטונומיים (AUVs)
צוללות בלתי מאוישות יכולות לפעול באופן אוטונומי באמצעות טכניקות SLAM. IMU פנימי מספק נתוני תאוצה ותנועה בשלושה כיוונים. בנוסף, מכשירי AUV משתמשים בסונאר הפונה כלפי מטה להערכת עומק. סונאר סריקה בצד יוצר תמונות של קרקעית הים, בטווח של כמה מאות מטרים.
אשראי תמונה: מענק הים של פלורידה/ פליקר
לבישות מציאות מעורבת
Microsoft ו- Magic Leap ייצרו משקפיים לבישים המציגים יישומי Reality Mixed. הערכת המיקום ויצירת מפה הינם מכריעים עבור פריטי לבישה אלה. המכשירים משתמשים במפה כדי להציב אובייקטים וירטואליים על גבי אובייקטים אמיתיים ולגרום להם לקיים אינטראקציה זה עם זה.
כיצד לנגן מוזיקה באמצעות USB בטלפון אנדרואיד
מאחר ולבישים אלה קטנים, הם אינם יכולים להשתמש בציוד היקפי גדול כגון LIDAR או סונאר. במקום זאת, חיישני עומק אינפרא אדום קטנים יותר ומצלמות הפונות כלפי חוץ משמשים למיפוי סביבה.
מכוניות לנהיגה עצמית
למכוניות אוטונומיות יש יתרון קטן על פני לבישים. עם גודל פיזי הרבה יותר גדול, מכוניות יכולות להחזיק מחשבים גדולים יותר ויש להם יותר ציוד היקפי לביצוע מדידות פנימיות וחיצוניות. במובנים רבים, מכוניות בנהיגה עצמית מייצגות את עתיד הטכנולוגיה, הן מבחינת תוכנה והן מבחינת חומרה.
טכנולוגיית SLAM משתפרת
כאשר טכנולוגיית SLAM משמשת במספר דרכים שונות, זה רק עניין של זמן עד שהיא תשתכלל. לאחר שתראו מכוניות בנהיגה עצמית (ורכבים אחרים) על בסיס יומי, תדעו כי לוקליזציה ומיפוי בו זמנית מוכנים לכולם לשימוש.
טכנולוגיית הנהיגה העצמית משתפרת מיום ליום. רוצים לדעת עוד? עיין בפירוט המפורט של MakeUseOf על אופן העבודה של מכוניות בנהיגה עצמית. ייתכן שתעניין אותך גם כיצד האקרים מכוונים למכוניות מחוברות.
קרדיט תמונה: chesky_w/ פיקדונות
לַחֲלוֹק לַחֲלוֹק צִיוּץ אימייל כיצד לגשת לרמת הבועה המובנית של Google באנדרואידאם אי פעם היית צריך לוודא שמשהו ברמה בתוך קמצוץ, עכשיו תוכל לקבל רמת בועה בטלפון שלך תוך שניות.
קרא הבא נושאים קשורים- הסבר על הטכנולוגיה
- טכנולוגיית הרכב
- בינה מלאכותית
- רכב לנהיגה עצמית
- לִטרוֹק
טום הוא מהנדס תוכנה מפלורידה (צעקה לפלורידה מן) עם תשוקה לכתיבה, כדורגל בקולג '(גאטורס!), קרוספיט ופסיקים של אוקספורד.
עוד מאת טום ג'ונסןהירשם לניוזלטר שלנו
הצטרף לניוזלטר שלנו לקבלת טיפים, סקירות, ספרים אלקטרוניים בחינם ומבצעים בלעדיים!
לחצו כאן להרשמה