מה זה סלאם? איך מכוניות בנהיגה עצמית יודעות היכן הן

פרסומת

לוקליזציה ומיפוי סימולטני (SLAM) הוא ככל הנראה לא ביטוי בו אתה משתמש מדי יום. עם זאת, כמה מהפלאים הטכנולוגיים המגניבים האחרונים משתמשים בתהליך זה בכל אלפית השנייה מאורך חייהם.

מה זה SLAM? מדוע אנו זקוקים לזה? ומה הטכנולוגיות המגניבות האלה שאתה מדבר עליהן?

מא ראשי תיבות לרעיון מופשט

הנה משחק מהיר בשבילך. לאיזה מאלה לא שייך?

• מכוניות בנהיגה עצמית
• אפליקציות ריאליטי מוגברות
• אויר אוטונומי וכלי רכב תת מימיים
• מציאות מעורבת לבישה
• הרומבה

אתם עשויים לחשוב שהתשובה היא בקלות הפריט האחרון ברשימה. במובן מסוים אתה צודק. בדרך אחרת, זה היה משחק טריקים שכן כל אותם פריטים קשורים.

השאלה האמיתית של המשחק (מגניב מאוד) היא זו: מה הופך את כל הטכנולוגיות האלו למימנות? התשובה: לוקליזציה ומיפוי סימולטני, או SLAM! כמו שהילדים המגניבים אומרים את זה.

במובן כללי, מטרת אלגוריתמי ה- SLAM היא קלה די הצורך לבצע איטרציה. רובוט ישתמש בלוקליזציה ובמיפוי סימולטני כדי להעריך את מיקומו ואת כיוונו (או תנוחתו) בחלל תוך יצירת מפה של סביבתו. זה מאפשר לרובוט לזהות היכן הוא נמצא ואיך לעבור דרך חלל לא ידוע.

לכן, כן, כלומר, כל האלגוריתם המפואר והמדהים הזה הוא אומדן המיקום. טכנולוגיה פופולרית נוספת,

מערכת מיקום גלובלית (או GPS) כיצד מעקב GPS עובד ומה אתה יכול לעקוב אחריו?ג'י.פי. אס. אנו מכירים אותה כטכנולוגיה המנחה אותנו מא 'לב'. אבל GPS הוא יותר מזה. יש עולם של אפשרות ואנחנו לא רוצים שתפספס. קרא עוד מעריך את המיקום מאז מלחמת המפרץ הראשונה של שנות התשעים.

הבחנה בין SLAM ל- GPS

אז מדוע הצורך באלגוריתם חדש? ל- GPS שתי בעיות מובנות. ראשית, בעוד GPS מדויק ביחס לסולם עולמי, הדיוק והדיוק מורידים בקנה מידה יחסית לחדר, לשולחן או לצומת קטן. ל- GPS יש דיוק למטר, אבל מה הסנטימטר? מילימטר?

שנית, GPS לא עובד טוב מתחת למים. ממש לא מתכוונת בכלל לא. באופן דומה, הביצועים הם כתמים בתוך מבנים עם קירות בטון עבים. או במרתפים. קלטת את הרעיון. GPS היא מערכת מבוססת לוויין, הסובלת ממגבלות פיזיות.

אז אלגוריתמים של SLAM שואפים לתת תחושת מיקום משופרת לגאדג'טים והמכונות המתקדמים ביותר שלנו.

למכשירים אלה יש כבר ליטניה של חיישנים וציוד היקפי. אלגוריתמים של SLAM מנצלים את הנתונים מכמה שיותר כאלה על ידי שימוש במתמטיקה וסטטיסטיקה מסוימים.

עוף או ביצה? מיקום או מפה?

יש צורך במתמטיקה וסטטיסטיקה בכדי לענות על משברון מורכב: האם מיקום משמש כדי ליצור את מפת הסביבה או שמא המפה של הסביבה משמשת לחישוב המיקום?

חשב ניסוי זמן! אתה מעוות בין ממדי למקום לא מוכר. מה הדבר הראשון שאתה עושה? בהלה? בסדר, תירגע, קח נשימה. לקחת אחר. עכשיו, מה הדבר השני שאתה עושה? הסתכל סביבך ונסה למצוא משהו מוכר. כסא נמצא משמאלך. צמח הוא לימינך. שולחן קפה לפניכם.

בשלב הבא, פעם הפחד המשתק מ"איפה לעזאזל אני? " נשחק, אתה מתחיל לזוז. רגע, איך תנועה עובדת בממד הזה? קח צעד קדימה. הכסא והצמח הולכים וקטנים והשולחן הולך וגדל. עכשיו אתה יכול לאשר שאתה למעשה מתקדם.

תצפיות הן המפתח לשיפור הדיוק של אומדן ה- SLAM. בסרטון שלמטה, כשהרובוט עובר מסמן לסמן, הוא בונה מפה טובה יותר של הסביבה.

בחזרה לממד האחר, ככל שאתה מסתובב יותר אתה מכוון את עצמך. צעד לכל הכיוונים מאשר כי תנועה בממד זה דומה לממד הביתי שלכם. כשאתה הולך ימינה, הצמח מתנשא לגדול יותר. בעזרה, אתה רואה דברים אחרים שאתה מזהה כציוני דרך בעולם החדש הזה המאפשרים לך לשוטט בביטחון רב יותר.

זהו למעשה תהליך SLAM.

כניסות לתהליך

על מנת לבצע הערכות אלה האלגוריתמים משתמשים בכמה פיסות נתונים שניתן לסווג כפנימיות או חיצוניות. לדוגמא התעבורה הבין-ממדית שלך (תודו, היה לכם טיול מהנה), המדידות הפנימיות הן גודל המדרגות והכיוון.

המדידות החיצוניות שבוצעו הן בצורת תמונות. זיהוי ציוני דרך כמו הצמח, הכיסא והשולחן הוא משימה קלה לעיניים ולמוח. המעבד החזק ביותר הידוע - המוח האנושי - מסוגל לצלם תמונות אלה ולא רק לזהות עצמים, אלא גם להעריך את המרחק לאותו אובייקט.

למרבה הצער (או למרבה המזל, תלוי בפחד שלך מ- SkyNet), לרובוטים אין מוח אנושי כמעבד. מכונות נשענות על שבבי סיליקון עם קוד כתוב אנושי כמוח.

חלקים אחרים של מכונות מבצעים מדידות חיצוניות. ציוד היקפי כמו גירוסקופים או יחידת מדידה אינרטיאלית אחרת (IMU) מועילים לעשות זאת. רובוטים כמו מכוניות בנהיגה עצמית משתמשים גם בבדיקת רמה של מיקום הגלגלים כמדידה פנימית.

חיצונית, מכונית שנוהגת בעצמה ורובוטים אחרים משתמשים ב- LIDAR. בדומה לאופן בו הרדאר משתמש בגלי רדיו, LIDAR מודד פולסי אור המזהים מרחק. האור שמשמש הוא בדרך כלל אולטרה סגול או קרוב לאינפרא אדום, דומה לחיישן עומק אינפרא אדום.

LIDAR שולח עשרות אלפי פולסים בשנייה ליצירת מפת ענן נקודה תלת מימדית בעלת הגדרה גבוהה במיוחד. אז כן, בפעם הבאה שטסלה תסתובב על טייס אוטומטי היא תירה בך בלייזר. הרבה פעמים.

בנוסף, אלגוריתמים של SLAM משתמשים בתמונות סטטיות ובטכניקות ראיית מחשב כמדידה חיצונית. הדבר נעשה באמצעות מצלמה יחידה, אך ניתן לבצע אותה אפילו יותר מדויקת בעזרת זוג סטריאו.

בתוך הקופסה השחורה

מדידות פנימיות יעדכנו את המיקום המשוער, שניתן להשתמש בו כדי לעדכן את המפה החיצונית. מדידות חיצוניות יעדכנו את המפה המשוערת, שניתן להשתמש בה כדי לעדכן את המיקום. אתה יכול לחשוב על זה כבעיית הסקה, והרעיון הוא למצוא את הפיתרון האופטימלי.

דרך נפוצה לעשות זאת היא על ידי הסתברות. טכניקות כמו חלקיקים מסננים מיקום משוער ומיפוי באמצעות הסקה סטטיסטית בייסית.

פילטר חלקיקים משתמש במספר מוגדר של חלקיקים הפרושים על ידי התפלגות גאוסית. כל חלקיק "מנבא" את המיקום הנוכחי של הרובוט. לכל חלקיק מוקצה הסתברות. כל החלקיקים מתחילים באותה הסתברות.

כאשר מתבצעות מדידות המאשרות זו את זו (כמו צעד קדימה = טבלה הולכת וגדלה), אז החלקיקים שהם "נכונים" במיקומם מקבלים באופן הדרגתי הסתברויות טובות יותר. לחלקיקים המנוגדים מוקצים הסתברויות נמוכות יותר.

ככל שרובוט יכול לזהות יותר נקודות ציון, כך ייטב. ציוני דרך מספקים משוב לאלגוריתם ומאפשרים חישובים מדויקים יותר.

יישומים שוטפים באמצעות אלגוריתמים של SLAM

בואו נשבר את הפיסת הטכנולוגיה המגניבה הזו על ידי פיסת הטכנולוגיה המגניבה.

כלי רכב אוטונומיים מתחת למים (AUV)

צוללות לא מאוישות יכולות לפעול באופן אוטונומי בטכניקות SLAM. IMU פנימי מספק נתוני תאוצה ותנועה בשלושה כיוונים. בנוסף, AUVs משתמשים בסונאר הפונה למטה לאומדן עומק. סונאר סריקה בצד יוצר תמונות של קרקעית הים, בטווח של כמה מאות מטרים.

לבישת מציאות מעורבת

מיקרוסופט ו- Magic Leap ייצרו משקפיים לבישים המציגים יישומי מציאות מעורבת מציאות מעורבת של חלונות: מה זה ואיך לנסות את זה עכשיומציאות מעורבת של Windows היא תכונה חדשה המאפשרת לך להשתמש ב- Windows 10 במציאות מדומה ומוגברת. הנה הסיבה שזה מרגש ואיך לגלות אם המחשב האישי שלך תומך בזה. קרא עוד . הערכת מיקום ויצירת מפה היא קריטית עבור לבישים אלה. המכשירים משתמשים במפה בכדי להציב אובייקטים וירטואליים על גבי חפצים אמיתיים ולגרום להם להתקשר זה עם זה.

מכיוון שמישים לבישים אלה הם קטנים, הם לא יכולים להשתמש בציוד היקפי גדול כמו LIDAR או סונאר. במקום זאת, חיישני עומק אינפרא אדום קטנים יותר ומצלמות הפונות כלפי חוץ משמשים למיפוי סביבה.

מכוניות בנהיגה עצמית

למכוניות אוטונומיות יש יתרון מעט ביחס לבישות. עם גודל פיזי גדול בהרבה, מכוניות יכולות להחזיק מחשבים גדולים יותר ויש לה ציוד היקפי רב יותר לבצע מדידות פנימיות וחיצוניות. במובנים רבים מכוניות בנהיגה עצמית מייצגות את עתיד הטכנולוגיה, הן מבחינת תוכנה והן חומרה.

טכנולוגיית SLAM משתפרת

כאשר משתמשים בטכנולוגיית SLAM במספר דרכים שונות, זה רק עניין של זמן עד שהיא תושלם. לאחר שמכוניות בנהיגה עצמית (ורכבים אחרים) נראות על בסיס יומיומי, תדעו שלוקליזציה ומיפוי סימולטני מוכנים לכולם לשימוש.

הטכנולוגיה לנהיגה עצמית משתפרת מדי יום. רוצים לדעת עוד? עיין בפירוט המפורט של MakeUseOf של איך מכוניות בנהיגה עצמית עובדות כיצד פועלות מכוניות בנהיגה עצמית: האגוזים והברגים שמאחורי תוכנית המכוניות האוטונומית של גוגלהיכולת לנסוע קדימה ואחורה לעבודה תוך כדי שינה, אכילה או התעדפות עם החביב עליכם בלוגים הם מושג מושך לא פחות, לכאורה מרוחק ועתידני מדי לממש קורה. קרא עוד . עוד משהו שאולי יעניין אותך כיצד האקרים מכוונים למכוניות מחוברות.

קרדיט תמונה: chesky_w /Depositphotos