Che cos'è SLAM? Come le auto a guida autonoma sanno dove si trovano
Annuncio pubblicitario
Localizzazione e mappatura simultanee (SLAM) probabilmente non sono una frase che usi tutti i giorni. Tuttavia, molte delle ultime fantastiche meraviglie tecnologiche utilizzano questo processo ogni millisecondo della loro durata di vita.
Che cos'è SLAM? Perchè ne abbiamo bisogno? E quali sono queste fantastiche tecnologie di cui parli?
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 autonomi aerei e sottomarini
- Indossabili realtà mista
- The Roomba
Potresti pensare che la risposta sia facilmente l'ultimo elemento dell'elenco. In un certo senso, hai ragione. In un altro modo, questo è stato un gioco a trabocchetto poiché tutti questi elementi sono correlati.
La vera domanda del gioco (molto interessante) è questa: cosa rende possibili tutte queste tecnologie? La risposta: localizzazione e mappatura simultanee o SLAM! come dicono i ragazzi fighi.
In senso generale, lo scopo degli algoritmi SLAM è abbastanza facile da iterare. 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 tutto ciò che fa questo algoritmo di fantasia-fantasia è la posizione stimata. Un'altra tecnologia popolare, il sistema di posizionamento globale (o GPS), come funziona il monitoraggio GPS e cosa puoi monitorare con esso? Come funziona il monitoraggio GPS e cosa puoi monitorare con esso? GPS. La conosciamo come la tecnologia che ci guida da A a B. Ma il GPS è più di questo. C'è un mondo di possibilità e non vogliamo che tu ti perda. Leggi di più ha valutato la posizione 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 preciso rispetto a una scala globale, sia la precisione che l'accuratezza diminuiscono la scala rispetto a una stanza, a un tavolo o a una piccola intersezione. Il GPS ha una precisione fino a un metro, ma quale centimetro? Millimetro?
In secondo luogo, il GPS non funziona bene sott'acqua. Con non bene intendo per niente. Allo stesso modo, le prestazioni sono imprevedibili all'interno di edifici con spessi muri di cemento. O negli scantinati. Ti viene l'idea. Il GPS è un sistema basato su satellite, che soffre di limitazioni fisiche.
Quindi gli algoritmi SLAM mirano a dare un miglior senso della 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 matematici e statistici.
Pollo o uova? 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 pensato! 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 è di fronte a te.
Successivamente, una volta svanita la paura paralizzante di "Dove diavolo sono?", Inizi a muoverti. Aspetta, come funziona il movimento in questa dimensione? Fai un passo avanti. La sedia e la pianta stanno diventando più piccole e il tavolo sta diventando più grande. Ora puoi confermare che stai effettivamente andando avanti.
Le osservazioni sono fondamentali per migliorare l'accuratezza della stima SLAM. Nel video qui sotto, mentre il robot si sposta da un marcatore all'altro, costruisce una migliore mappa 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 appare più grande. Utilmente, 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.
Ingressi al processo
Al fine di 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 la dimensione dei passi e della direzione.
Le misure esterne effettuate sono sotto forma di immagini. Individuare 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 noto, il cervello umano, è in grado di acquisire queste immagini e non solo di identificare gli oggetti, ma anche di 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 macchinari effettuano misurazioni esterne. Per questo sono utili periferiche come giroscopi o altre unità di misura inerziale (IMU). I robot come le auto a guida autonoma usano anche l'odometria della posizione della ruota come misura interna.
Esternamente, un'auto a guida autonoma e altri robot usano 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 in genere ultravioletta o vicino all'infrarosso, simile a un sensore di profondità a infrarossi.
LIDAR invia decine di migliaia di impulsi al secondo per creare una mappa di nuvole di punti tridimensionali ad altissima definizione. Quindi, sì, la prossima volta che Tesla rotolerà sull'autopilota, ti sparerà con un laser. Molte volte.
Inoltre, gli algoritmi SLAM utilizzano immagini statiche e tecniche di visione artificiale come misura esterna. Questo viene fatto con una singola telecamera, ma può essere reso ancora più preciso con una coppia stereo.
All'interno della 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 quella di trovare la soluzione ottimale.
Un modo comune per farlo è attraverso la probabilità. Tecniche come la posizione approssimativa di un filtro antiparticolato e la mappatura usando l'inferenza statistica bayesiana.
Un filtro antiparticolato utilizza un determinato numero di particelle disperse da una distribuzione gaussiana. Ogni particella "predice" la posizione corrente del robot. Una probabilità è assegnata a ciascuna particella. Tutte le particelle iniziano con la stessa probabilità.
Quando vengono effettuate misurazioni che si confermano reciprocamente (come passo avanti = tabella che si ingrandisce), alle particelle che sono "corrette" nella loro posizione vengono fornite in modo incrementale maggiori probabilità. Alle particelle lontane vengono assegnate probabilità inferiori.
Più punti di riferimento un robot è in grado di identificare, meglio è. I punti di riferimento forniscono feedback all'algoritmo e consentono calcoli più precisi.
Applicazioni correnti mediante algoritmi SLAM
Analizziamo questo, fantastico pezzo di tecnologia con un bel pezzo di tecnologia.
Veicoli subacquei autonomi (AUV)
I sottomarini senza pilota possono operare autonomamente usando le 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 di profondità. Il sonar a scansione laterale crea immagini del fondale marino, con un raggio di circa duecento metri.
Indossabili realtà mista
Microsoft e Magic Leap hanno prodotto occhiali indossabili che introducono applicazioni di realtà mista Windows Mixed Reality: cos'è e come si prova Windows Mixed Reality: cos'è e come si prova Windows Mixed Reality è una nuova funzionalità che ti consente di utilizzare Windows 10 in realtà virtuale e aumentata. Ecco perché è eccitante e come scoprire se il tuo PC lo supporta. Leggi di più . Stimare la posizione e creare una mappa è fondamentale per questi dispositivi indossabili. I dispositivi utilizzano la mappa per posizionare oggetti virtuali sopra oggetti reali e farli interagire tra loro.
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 telecamere rivolte verso l'esterno.
Auto a guida autonoma
Le auto autonome hanno un piccolo vantaggio rispetto ai dispositivi indossabili. Con dimensioni fisiche molto maggiori, 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 diversi modi, è solo questione di tempo prima che sia perfezionata. Una volta che le auto a guida autonoma (e altri veicoli) vengono visualizzate quotidianamente, saprai che la localizzazione e la mappatura simultanee sono pronte per l'uso da parte di tutti.
La tecnologia a guida autonoma migliora ogni giorno. Voglio sapere di più? Scopri la suddivisione dettagliata di MakeUseOf su come funzionano le auto a guida autonoma Come funzionano le auto a guida autonoma: i dadi e i bulloni dietro il programma di auto autonomo di Google Come funzionano le auto a guida autonoma: i dadi e i bulloni dietro il programma di auto autonomo di Google Essere in grado di tornare indietro e continuare a lavorare mentre dormi, mangi o raggiungi i tuoi blog preferiti è un concetto che è ugualmente attraente e apparentemente lontano e troppo futuristico per accadere realmente. Leggi di più . Potresti anche essere interessato a come gli hacker prendono di mira le auto connesse.
Credito di immagine: chesky_w / Depositphotos
Ulteriori informazioni su: Intelligenza artificiale, Tecnologia automobilistica, Auto a guida autonoma, SLAM.
