Mange av prosjektene som har oppstått fra Google eksperimentelle verksted, X Labs, har virket rett ut av science fiction. Google Glass tilbød løftet om brukbare datamaskiner som forsterket vårt syn på verden med teknologi, men realiteten til Google Glass har ikke levd opp sitt løfte. Et annet X Labs-prosjekt som ikke har vært skuffet, er selvbilen. Til tross for det fantastiske løftet om en bil uten fører, er disse kjøretøyene en realitet. Denne bemerkelsesverdige prestasjonen er avhengig av SLAM-teknologi.
SLAM: Samtidig lokalisering og kartlegging
SLAM er et akronym for samtidig lokalisering og kartlegging, en teknologi hvor en robot eller en enhet kan lage et kart over omgivelsene og orientere seg riktig på kartet i sanntid. Dette er ingen enkel oppgave, og det eksisterer for tiden ved grenser for teknologiforskning og design. En stor veisklokke for å lykkes med å implementere SLAM-teknologi er kylling-og-egg-problemet introdusert av de to nødvendige oppgavene. For å kunne kartlegge et miljø må du kjenne din orientering og posisjon i den; Imidlertid blir denne informasjonen kun hentet fra et eksisterende miljøkort.
Hvordan slam fungerer
SLAM-teknologien overvinne vanligvis dette komplekse problemet med kylling og egg ved å bygge et eksisterende kart over et miljø som bruker GPS-data. Dette kartet blir deretter raffinert når roboten eller enheten beveger seg gjennom miljøet. Den sanne utfordringen av teknologien er en av nøyaktigheten. Målinger må hele tiden tas når roboten eller enheten beveger seg gjennom rommet, og teknologien må ta hensyn til "Äúnoise" som innføres av både bevegelsen av enheten og unøyaktigheten av målemetoden. Dette gjør SLAM-teknologien i stor grad et spørsmål om måling og matematikk.
Måling og matematikk
Google er selvkjørende bil et eksempel på måling og matematikk i aksjon. Bilen tar i hovedsak målinger ved hjelp av takmontert LIDAR (laserradar) -enhet, som kan skape et 3D-kart over omgivelsene opptil 10 ganger i sekundet. Denne evalueringsfrekvensen er kritisk ettersom bilen beveger seg med fart. Disse målingene brukes til å utvide eksisterende GPS-kart, som Google er kjent for å opprettholde som en del av sin Google Maps-tjeneste. Lesingene lager en enorm mengde data, og generering av mening fra disse dataene for å gjøre kjørebeslutninger er statistikkarbeidet. Programvaren på bilen bruker avansert statistikk, inkludert Monte Carlo-modeller og Bayesian-filtre for å kartlegge miljøet nøyaktig.
Implikasjoner for økt virkelighet
Autonome kjøretøy er den åpenbare primære bruken av SLAM-teknologi. Imidlertid kan en mindre åpenbar bruk være i verden av brukbare teknologier og forstørret virkelighet. Selv om Google Glass kan bruke GPS-data for å gi en grov posisjon til brukeren, kan en lignende fremtidig enhet bruke SLAM-teknologi til å bygge et mye mer komplekst kart over brukerens miljø. Dette kan inneholde en forståelse av nøyaktig hva brukeren ser på med enheten. Det kan gjenkjenne når en bruker ser på et landemerke, butikkfront eller reklame, og bruker den informasjonen til å gi en forstørret virkelighetsoverlegg. Selv om disse funksjonene kan lyde langt, har et MIT-prosjekt utviklet et av de første eksemplene på en slitesterk SLAM-teknologienhet.
Tech som forstår plass
Det var ikke lenge siden teknologien var en fast, stasjonær terminal som vi bruker i våre hjem og kontorer. Nå er teknologien evig og mobil. Denne trenden er sikker på å fortsette som teknologien fortsetter å miniatyrisere og bli forankret i våre daglige aktiviteter. Det er på grunn av disse trendene at SLAM-teknologien blir stadig viktigere. Det vant ikke lenge før vi regner med at teknologien vår ikke bare forstår omgivelsene mens vi beveger oss, men også til å lede oss gjennom våre daglige liv.
