Monet Googlen X Labsin kokeellisesta työpaja -hankkeesta esiin tuoduista projekteista ovat tuntuneet aivan tieteiskirjallisuudesta. Google Glass tarjosi lupauksen pukea tietokoneita, jotka lisäsivät näkemystämme maailmasta teknologialla, mutta Google Glass ei ole täyttänyt lupauksiaan. Toinen X Labs -hankkeesta, joka ei ole pettynyt, on itse ajo-auto. Huolimatta ajamattoman auton loistavasta lupauksesta nämä ajoneuvot ovat todellisia. Tämä merkittävä saavutus riippuu SLAM-tekniikasta.
SLAM: samanaikainen lokalisointi ja kartoitus
SLAM on lyhenne samanaikaiselle lokalisoinnille ja kartoitukselle, tekniikka, jossa robotti tai laite voi luoda ympyrän kartan ja orientoitua oikein kartalla reaaliajassa. Tämä ei ole helppo tehtävä, ja se on tällä hetkellä teknologian tutkimuksen ja suunnittelun rajoilla. Suuri tiesulku SLAM-tekniikan menestyksekkääseen toteuttamiseen on molempien vaadittujen tehtävien aikaansaama kana- ja muna-ongelma. Jos haluat kartoittaa ympäristöäsi, sinun on tunnettava suuntauksesi ja asema sen sisällä. Nämä tiedot saadaan kuitenkin vain olemassa olevasta ympäristökartasta.
Kuinka SLAM toimii
SLAM-tekniikka yleensä voittaa tämän monimutkaisen kanan ja munan ongelman rakentamalla ennalta olemassa olevan ympäristökuvan GPS-datan avulla. Tätä karttaa tarkennetaan sitten, kun robotti tai laite liikkuu ympäristön läpi. Teknologian todellinen haaste on yksi tarkkuus. Mittauksia on jatkuvasti käytettävä, kun robotti tai laite liikkuu tilan läpi, ja tekniikassa on otettava huomioon, että laite on liikkunut sekä mittausmenetelmän epätarkkuus. Tämä tekee SLAM-tekniikasta suurelta osin mittauksen ja matematiikan.
Mittaus ja matematiikka
Googlen itseajoauto on esimerkki mittauksesta ja matematiikasta toiminnassa. Auto ottaa ensisijaisesti käyttöön mittaukset katolla asennetulla LIDAR (laser-tutka) kokoonpanolla, joka voi luoda ympäristöönsä 3D-kartan jopa 10 kertaa sekunnissa. Tämä arviointitaajuus on kriittinen, kun auto liikkuu nopeudella. Näitä mittauksia käytetään lisäämään jo olemassa olevia GPS-karttoja, jotka Google tunnetaan ylläpidettäessä osana Google Maps -palvelua. Lukemat luovat valtavan määrän tietoja ja tuottavat merkityksen näistä tiedoista tekemään ajopäätöksiä on tilastojen työ. Autossa oleva ohjelmisto käyttää kehittyneitä tilastoja, kuten Monte Carlo -malleja ja Bayes-suodattimia, jotta ympäristöä voidaan tarkasti kartoittaa.
Vaikutukset lisääntyneeseen todellisuuteen
Autonomiset ajoneuvot ovat SLAM-tekniikan ilmeinen ensisijainen soveltaminen. Kuitenkin vähemmän ilmeinen käyttö voi olla kulloisenkin teknologian ja lisääntyneen todellisuuden maailmassa. Vaikka Google Glass voi GPS-tietojen avulla antaa käyttäjälle karkean sijainnin, vastaava tuleva laite voi käyttää SLAM-tekniikkaa rakentaa paljon monimutkaisempi käyttäjäympäristön kartta. Tämä voi sisältää käsityksen juuri siitä, mitä käyttäjä tarkastelee laitteen kanssa. Se voi tunnistaa, milloin käyttäjä tarkastelee maamerkkiä, myymälää tai mainosta ja käyttää näitä tietoja laajennetun todellisuuden peittokuvana. Vaikka nämä ominaisuudet saattavat kuulostaa kaukana, MIT-projekti on kehittänyt yhden ensimmäisistä esimerkkeistä käytettävästä SLAM-tekniikkalaitteesta.
Tekniikka, joka ymmärtää tilaa
Ei ollut kauan sitten, että teknologia oli kiinteä, kiinteä terminaali, jota käytämme kodeissamme ja toimistoissamme. Nyt tekniikka on aina läsnä ja liikkuva. Tämä suuntaus jatkuu edelleen, kun tekniikka jatkaa pienentämistä ja sekoittuu jokapäiväiseen toimintaamme. Näiden suuntausten vuoksi SLAM-tekniikka on yhä tärkeämpää. Se voitti kauan ennen kuin odotamme teknologiamme ymmärtävän paitsi ympäristöämme liikkuessamme, mutta myös ohjaamaan meitä päivittäisen elämämme kautta.
