สแลมคืออะไร? รถยนต์ไร้คนขับรู้ได้อย่างไรว่าอยู่ที่ไหน

สแลมคืออะไร? รถยนต์ไร้คนขับรู้ได้อย่างไรว่าอยู่ที่ไหน

การโลคัลไลเซชันและการทำแผนที่พร้อมกัน (SLAM) อาจไม่ใช่วลีที่คุณใช้ทุกวัน อย่างไรก็ตาม สิ่งมหัศจรรย์ทางเทคโนโลยีสุดเจ๋งล่าสุดหลายตัวใช้กระบวนการนี้ทุก ๆ มิลลิวินาทีของอายุการใช้งาน





สแลมคืออะไร? ทำไมเราถึงต้องการมัน? และเทคโนโลยีเจ๋ง ๆ เหล่านี้ที่คุณพูดถึงคืออะไร?



วิธีบูตเข้าสู่โหมดการกู้คืน windows 10

จากตัวย่อสู่แนวคิดนามธรรม

นี่คือเกมด่วนสำหรับคุณ ข้อใดไม่เข้าพวก





  • รถขับเอง
  • แอพเติมความเป็นจริง
  • ยานพาหนะทางอากาศและใต้น้ำที่เป็นอิสระ
  • อุปกรณ์สวมใส่ความเป็นจริงผสม
  • The Roomba

คุณอาจคิดว่าคำตอบคือข้อสุดท้ายในรายการ ในทางที่คุณพูดถูก ในอีกทางหนึ่ง เกมนี้เป็นเกมหลอกลวงเนื่องจากรายการทั้งหมดมีความเกี่ยวข้องกัน

เครดิตรูปภาพ: Nathan Kroll/ Flickr



คำถามที่แท้จริงของเกม (เจ๋งมาก) คือ อะไรทำให้เทคโนโลยีเหล่านี้เป็นไปได้? คำตอบ: การแปลและการทำแผนที่พร้อมกัน หรือ SLAM! อย่างที่เด็กเจ๋งพูด

โดยทั่วไป วัตถุประสงค์ของอัลกอริทึม SLAM นั้นง่ายพอที่จะทำซ้ำได้ หุ่นยนต์จะใช้การโลคัลไลเซชันและการทำแผนที่พร้อมกันเพื่อประเมินตำแหน่งและทิศทาง (หรือท่าทาง) ในอวกาศในขณะที่สร้างแผนที่ของสภาพแวดล้อม ซึ่งช่วยให้หุ่นยนต์ระบุตำแหน่งและวิธีเคลื่อนที่ผ่านพื้นที่ที่ไม่รู้จักบางส่วนได้



ดังนั้น ใช่ กล่าวคืออัลกอริธึมแฟนซีทั้งหมดนี้เป็นตำแหน่งประมาณการ เทคโนโลยีที่ได้รับความนิยมอีกประการหนึ่งคือ Global Positioning System (หรือ GPS) ได้ประเมินตำแหน่งตั้งแต่สงครามอ่าวครั้งแรกของปี 1990

ความแตกต่างระหว่าง SLAM และ GPS

เหตุใดจึงต้องมีอัลกอริทึมใหม่ GPS มีปัญหาสองประการ ประการแรก ในขณะที่ GPS มีความแม่นยำเมื่อเทียบกับมาตราส่วนทั่วโลก ทั้งความแม่นยำและความแม่นยำจะลดขนาดที่สัมพันธ์กับห้อง โต๊ะ หรือทางแยกขนาดเล็ก GPS มีความแม่นยำถึงหนึ่งเมตร แต่เซนติเมตรคืออะไร? มิลลิเมตร?



ประการที่สอง GPS ทำงานได้ไม่ดีใต้น้ำ ไม่ดีฉันไม่ได้หมายความเลย ในทำนองเดียวกัน ประสิทธิภาพการทำงานภายในอาคารที่มีผนังคอนกรีตหนานั้นขาดๆ หายๆ หรือในห้องใต้ดิน คุณได้รับความคิด GPS เป็นระบบที่ใช้ดาวเทียม ซึ่งมีข้อจำกัดทางกายภาพ

ดังนั้นอัลกอริธึม SLAM จึงมุ่งหวังที่จะให้ตำแหน่งที่ดีขึ้นสำหรับอุปกรณ์และเครื่องจักรที่ทันสมัยที่สุดของเรา

อุปกรณ์เหล่านี้มีเซ็นเซอร์และอุปกรณ์ต่อพ่วงมากมายอยู่แล้ว อัลกอริทึม SLAM ใช้ข้อมูลจากสิ่งเหล่านี้ให้ได้มากที่สุดโดยใช้คณิตศาสตร์และสถิติ

ไก่หรือไข่? ตำแหน่งหรือแผนที่?

ต้องใช้คณิตศาสตร์และสถิติในการตอบคำถามที่ซับซ้อน: ตำแหน่งถูกใช้เพื่อสร้างแผนที่ของสภาพแวดล้อมหรือเป็นแผนที่ของสภาพแวดล้อมที่ใช้ในการคำนวณตำแหน่ง?

เวลาทดลองคิด! คุณถูกบิดข้ามมิติไปยังสถานที่ที่ไม่คุ้นเคย สิ่งแรกที่คุณทำคืออะไร? ตื่นตกใจ? โอเค ใจเย็นๆ หายใจเข้า เอาอีก. แล้วสิ่งที่คุณทำอย่างที่สองคืออะไร? มองไปรอบ ๆ และพยายามหาสิ่งที่คุ้นเคย เก้าอี้อยู่ทางซ้ายของคุณ โรงงานอยู่ทางขวาของคุณ โต๊ะกาแฟอยู่ตรงหน้าคุณ

ต่อไป เมื่อความกลัวที่ทำให้เป็นอัมพาตของ 'ฉันอยู่ที่ไหน' หมดแรง คุณเริ่มเคลื่อนไหว เดี๋ยวก่อน การเคลื่อนไหวทำงานอย่างไรในมิตินี้? ก้าวไปข้างหน้า เก้าอี้และต้นไม้เริ่มเล็กลง โต๊ะก็ใหญ่ขึ้น ตอนนี้คุณสามารถยืนยันได้ว่าคุณกำลังก้าวไปข้างหน้าจริงๆ

วิธีซ่อนเบอร์เมื่อโทร

การสังเกตเป็นกุญแจสำคัญในการปรับปรุงความถูกต้องของการประมาณค่า SLAM ในวิดีโอด้านล่าง เมื่อหุ่นยนต์เคลื่อนที่จากเครื่องหมายไปยังเครื่องหมาย จะสร้างแผนที่สภาพแวดล้อมที่ดีขึ้น

ย้อนกลับไปยังอีกมิติหนึ่ง ยิ่งเดินไปมา ยิ่งปรับทิศทางตัวเอง การก้าวไปทุกทิศทางเป็นการยืนยันว่าการเคลื่อนไหวในมิตินี้คล้ายกับมิติบ้านของคุณ เมื่อคุณไปทางขวา ต้นไม้ก็จะใหญ่ขึ้น เป็นประโยชน์ คุณเห็นสิ่งอื่น ๆ ที่คุณระบุว่าเป็นสถานที่สำคัญในโลกใหม่นี้ ที่ให้คุณเดินเตร่ได้อย่างมั่นใจมากขึ้น

นี่เป็นกระบวนการของ SLAM โดยพื้นฐานแล้ว

ข้อมูลเข้าสู่กระบวนการ

ในการประมาณค่าเหล่านี้ อัลกอริธึมใช้ข้อมูลหลายส่วนที่สามารถจัดประเภทเป็นข้อมูลภายในหรือภายนอกได้ สำหรับตัวอย่างการขนส่งระหว่างมิติของคุณ (ยอมรับว่าคุณได้เดินทางอย่างสนุกสนาน) การวัดภายในคือขนาดของขั้นและทิศทาง

การวัดภายนอกที่ทำอยู่ในรูปแบบของภาพ การระบุสถานที่สำคัญ เช่น ต้นไม้ เก้าอี้ และโต๊ะ เป็นเรื่องง่ายสำหรับดวงตาและสมอง โปรเซสเซอร์ที่ทรงพลังที่สุดที่รู้จัก—สมองของมนุษย์—สามารถถ่ายภาพเหล่านี้ได้ ไม่เพียงแต่ระบุวัตถุ แต่ยังประเมินระยะทางไปยังวัตถุนั้นด้วย

น่าเสียดาย (หรือโชคดี ขึ้นอยู่กับความกลัวของคุณที่มีต่อ SkyNet) หุ่นยนต์ไม่มีสมองของมนุษย์เป็นตัวประมวลผล เครื่องจักรใช้ชิปซิลิกอนที่มีรหัสที่มนุษย์เขียนขึ้นเป็นสมอง

เครื่องจักรชิ้นอื่นทำการวัดภายนอก อุปกรณ์ต่อพ่วง เช่น ไจโรสโคปหรือหน่วยวัดแรงเฉื่อยอื่นๆ (IMU) มีประโยชน์ในการทำเช่นนี้ หุ่นยนต์เช่นรถยนต์ที่ขับด้วยตนเองยังใช้การวัดระยะทางของตำแหน่งล้อเป็นการวัดภายใน

เครดิตภาพ: เจนนิเฟอร์มอร์โรว์ / Flickr

ภายนอกรถที่ขับเองและหุ่นยนต์อื่นๆ ใช้ LIDAR คล้ายกับวิธีที่เรดาร์ใช้คลื่นวิทยุ LIDAR จะวัดพัลส์แสงสะท้อนเพื่อระบุระยะทาง แสงที่ใช้โดยทั่วไปคืออัลตราไวโอเลตหรือใกล้อินฟราเรด คล้ายกับเซ็นเซอร์ความลึกอินฟราเรด

LIDAR ส่งพัลส์นับหมื่นต่อวินาทีเพื่อสร้างแผนที่คลาวด์แบบจุดสามมิติที่มีความละเอียดสูงมาก ใช่ ครั้งต่อไปที่เทสลาหมุนอัตโนมัติ มันจะยิงคุณด้วยเลเซอร์ หลายครั้ง.

นอกจากนี้ อัลกอริธึม SLAM ยังใช้ภาพนิ่งและเทคนิคการมองเห็นด้วยคอมพิวเตอร์เป็นตัววัดภายนอก ทำได้ด้วยกล้องเพียงตัวเดียว แต่สามารถทำให้แม่นยำยิ่งขึ้นด้วยคู่สเตอริโอ

ภายในกล่องดำ

การวัดภายในจะอัปเดตตำแหน่งโดยประมาณ ซึ่งสามารถใช้เพื่ออัปเดตแผนที่ภายนอกได้ การวัดภายนอกจะอัปเดตแผนที่โดยประมาณ ซึ่งสามารถใช้เพื่ออัปเดตตำแหน่งได้ คุณสามารถคิดว่ามันเป็นปัญหาการอนุมานได้ และแนวคิดก็คือการหาวิธีแก้ปัญหาที่เหมาะสมที่สุด

วิธีทั่วไปในการทำเช่นนี้คือความน่าจะเป็น เทคนิคเช่นตัวกรองอนุภาคประมาณตำแหน่งและการทำแผนที่โดยใช้การอนุมานทางสถิติแบบเบย์

ตัวกรองอนุภาคใช้จำนวนอนุภาคที่กำหนดโดยการกระจายแบบเกาส์เซียน แต่ละอนุภาค 'ทำนาย' ตำแหน่งปัจจุบันของหุ่นยนต์ ความน่าจะเป็นถูกกำหนดให้กับแต่ละอนุภาค อนุภาคทั้งหมดเริ่มต้นด้วยความน่าจะเป็นเท่ากัน

เมื่อทำการวัดที่ยืนยันซึ่งกันและกัน (เช่น ก้าวไปข้างหน้า = ตารางที่ใหญ่ขึ้น) อนุภาคที่ 'ถูกต้อง' ในตำแหน่งของพวกเขาจะได้รับความน่าจะเป็นที่ดีขึ้นแบบค่อยเป็นค่อยไป อนุภาคที่อยู่ไกลออกไปจะได้รับความน่าจะเป็นที่ต่ำกว่า

ยิ่งหุ่นยนต์ระบุจุดสังเกตได้มากเท่าไหร่ก็ยิ่งดีเท่านั้น จุดสังเกตให้ข้อเสนอแนะแก่อัลกอริทึมและช่วยให้สามารถคำนวณได้แม่นยำยิ่งขึ้น

แอปพลิเคชันปัจจุบันที่ใช้อัลกอริทึม SLAM

มาทำลายเทคโนโลยีชิ้นนี้ด้วยเทคโนโลยีสุดเจ๋ง

ยานพาหนะใต้น้ำอิสระ (AUVs)

เรือดำน้ำไร้คนขับสามารถทำงานด้วยตนเองโดยใช้เทคนิค SLAM IMU ภายในให้ข้อมูลการเร่งความเร็วและการเคลื่อนไหวในสามทิศทาง นอกจากนี้ AUV ยังใช้โซนาร์ที่หันหน้าไปทางด้านล่างสำหรับการประมาณความลึก โซนาร์สแกนด้านข้างสร้างภาพพื้นทะเลด้วยระยะสองร้อยเมตร

เครดิตภาพ: Florida Sea Grant / Flickr

อุปกรณ์สวมใส่ความเป็นจริงผสม

Microsoft และ Magic Leap ได้ผลิตแว่นตาที่สวมใส่ได้ซึ่งแนะนำแอปพลิเคชัน Mixed Reality การประมาณตำแหน่งและการสร้างแผนที่เป็นสิ่งสำคัญสำหรับอุปกรณ์สวมใส่เหล่านี้ อุปกรณ์ใช้แผนที่เพื่อวางวัตถุเสมือนไว้บนวัตถุจริงและให้พวกมันโต้ตอบกัน

เล่นเกม windows 95 บน windows 10

เนื่องจากอุปกรณ์สวมใส่เหล่านี้มีขนาดเล็ก จึงไม่สามารถใช้อุปกรณ์ต่อพ่วงขนาดใหญ่ เช่น LIDAR หรือโซนาร์ได้ แทนที่จะใช้เซ็นเซอร์ความลึกอินฟราเรดขนาดเล็กและกล้องที่หันออกด้านนอกเพื่อทำแผนที่สภาพแวดล้อม

รถยนต์ขับเอง

รถยนต์ขับเคลื่อนอัตโนมัติมีข้อได้เปรียบเหนืออุปกรณ์สวมใส่เล็กน้อย ด้วยขนาดทางกายภาพที่ใหญ่กว่ามาก รถยนต์สามารถถือคอมพิวเตอร์ที่ใหญ่กว่าและมีอุปกรณ์ต่อพ่วงมากขึ้นเพื่อทำการวัดภายในและภายนอก รถยนต์ที่ขับเคลื่อนด้วยตัวเองเป็นตัวแทนของอนาคตของเทคโนโลยีในหลาย ๆ ด้าน ทั้งในแง่ของซอฟต์แวร์และฮาร์ดแวร์

เทคโนโลยี SLAM กำลังปรับปรุง

ด้วยเทคโนโลยี SLAM ที่ถูกใช้ในหลาย ๆ ด้าน จึงใช้เวลาเพียงไม่นานเท่านั้นจึงจะสมบูรณ์แบบ เมื่อเห็นรถยนต์ที่ขับด้วยตนเอง (และยานพาหนะอื่นๆ) เป็นประจำทุกวัน คุณจะรู้ว่าการโลคัลไลเซชันและการทำแผนที่พร้อมๆ กันนั้นพร้อมให้ทุกคนใช้งาน

เทคโนโลยีการขับขี่ด้วยตนเองพัฒนาขึ้นทุกวัน ต้องการทราบข้อมูลเพิ่มเติม? ตรวจสอบรายละเอียดโดยละเอียดของ MakeUseOf ว่ารถยนต์ที่ขับด้วยตนเองทำงานอย่างไร คุณอาจสนใจว่าแฮ็กเกอร์กำหนดเป้าหมายไปที่รถยนต์ที่เชื่อมต่อกันอย่างไร

เครดิตภาพ:chesky_w/ ฝากรูปถ่าย

แบ่งปัน แบ่งปัน ทวีต อีเมล วิธีเข้าถึงระดับบับเบิ้ลในตัวของ Google บน Android

หากคุณเคยต้องการให้แน่ใจว่าบางสิ่งบางอย่างอยู่ในระดับที่รวดเร็ว ตอนนี้คุณสามารถรับระดับฟองบนโทรศัพท์ของคุณในไม่กี่วินาที

อ่านต่อไป หัวข้อที่เกี่ยวข้อง
  • เทคโนโลยีอธิบาย
  • เทคโนโลยียานยนต์
  • ปัญญาประดิษฐ์
  • รถขับเอง
  • สแลม
เกี่ยวกับผู้เขียน Tom Johnsen(ตีพิมพ์บทความ 3 รายการ)

ทอมเป็นวิศวกรซอฟต์แวร์จากฟลอริดา (ตะโกนบอกชายชาวฟลอริดา) ด้วยความหลงใหลในการเขียน ฟุตบอลวิทยาลัย (ไปจระเข้!), ต้อนรับคุณ และจุลภาคอ็อกซ์ฟอร์ด

เพิ่มเติมจาก Tom Johnsen

สมัครรับจดหมายข่าวของเรา

เข้าร่วมจดหมายข่าวของเราสำหรับเคล็ดลับทางเทคนิค บทวิจารณ์ eBook ฟรี และดีลพิเศษ!

คลิกที่นี่เพื่อสมัครสมาชิก