Teknologio, kiu povas movi tra spaco
Multaj el la projektoj, kiuj eliris el la eksperimenta ateliero de Google, X Labs , ŝajnis ĝuste ekster scienca fikcio. Google Glass proponas la promeson de komputiloj, kiuj plibonigos nian vidon de la mondo kun teknologio. Tamen, la realaĵo de Google Glass estis konsiderita de multaj esti pli prosaica ol ĝia promeso. Sed alia X Labs-projekto, kiu ne seniluziigis, estas la mem-veturilo. Malgraŭ la fantástica promeso de ŝoforo sen ŝoforo, ĉi tiuj veturiloj estas realaĵo. Ĉi tiu rimarkinda realigo estas pelita de alproksimiĝo, nomata SLAM-teknologio.
SLAM: Samtempa Lokaligo kaj Mapado
SLAM-teknologio staras por samtempa lokaligo kaj mapado, procezo per kiu roboto aŭ aparato povas krei mapon de ĝia ĉirkaŭaĵo, kaj orientiĝi sin ĝuste en ĉi tiu mapo en reala tempo. Ĉi tio ne estas facila tasko, kaj ĝi nuntempe ekzistas ĉe la limoj de teknologiaj esploroj kaj dezajno. Granda ŝlosilo por sukcese efektivigi SLAM-teknologion estas la kok-ovo-problemo enkondukita de la du postulitaj taskoj. Por sukcese mapi medion, oni devas scii ilian orientiĝon kaj pozicion ene de ĝi; tamen ĉi tiu informo nur ricevas de antaŭ-ekzistanta mapo de la medio.
Kiel funkcias SLAM?
SLAM-teknologio kutime venkas ĉi tiun kompleksan kokid-ovon-aferon per konstruado de ekzistanta mapo de medio uzante GPS-datumojn. Ĉi tiu mapo estas tiam reefinita kiel la roboto aŭ aparato moviĝas tra la medio. La vera defio de ĉi tiu teknologio estas unu el la precizeco. Mezuroj devas esti senĉese prenitaj, kiam la roboto aŭ aparato moviĝas tra la spaco, kaj la teknologio devas konsideri la "bruon", kiu estas enkondukita per la movado de la aparato kaj la malkapablo de la mezurado. Ĉi tio faras SLAM-teknologion plejparte pri mezuro kaj matematiko.
Mezuro kaj Matematikoj
Ekzemplo de ĉi tiu mezuro kaj matematiko en ago, oni povas rigardi la efektivigon de aŭtomobila aŭto de Google. La aŭto ĉefe prenas mezuradojn per la tegmento LIDAR (lasero radaro), kiu povas krei 3D mapon de ĝia ĉirkaŭaĵo ĝis 10 fojoj dua. Ĉi tiu ofteco de taksadoj estas kritika, kiam la aŭto moviĝas rapide. Ĉi tiuj mezuradoj estas uzataj por pliigi la antaŭ-ekzistantajn GPS-mapojn, kiujn Google estas bone konata por konservi kiel parto de ĝia Google Maps-servo. La legadoj kreas amasan kvanton da datumoj kaj generas signifon de ĉi tiu datumo por fari kondukajn decidojn. La programaro en la aŭto uzas kelkajn progresintajn statistikojn, inkluzive de Monte Carlo-modeloj kaj Bayesiaj filtriloj por precize mapo de la medio.
Implikoj pri Pliigita Realaĵo
Aŭtonomaj veturiloj estas la preterlasa ĉefa apliko de SLAM-teknologio, tamen malpli malpli evidenta uzo povus esti en la mondo de teĥaj teknologioj kaj pliigita realaĵo. Dum Google Glass povas uzi GPS-datumojn por havigi pozicion de la uzanto, simila futura aparato povus uzi SLAM-teknologion por konstrui multe pli kompleksan mapon de la medio de la uzanto. Ĉi tio povus kompreni precize kion la uzanto rigardas kun la aparato. Ĝi povus rekoni, kiam uzanto rigardas limŝtonon, vendejo aŭ reklamon, kaj uzas tiun informon por provizi plibonigitan realigon. Dum ĉi tiuj trajtoj povas soni malproksime, MIT-projekto disvolvis unu el la unuaj ekzemploj de teĥnata teknika aparato SLAM.
Tech Kiu Komprenas Spacon
Ĝi ne antaŭ longe faris, ke la teknologio estis supozata kiel fiksa kaj senmova fina stacio, kiun ni uzus en niaj hejmoj kaj oficejoj. Nun teknologio estas iam-ĉeestanta, kaj poŝtelefono. Ĉi tio estas tendenco, kiu certe sekvos, kiel teknologio daŭre miniaturigas kaj iĝas interŝanĝita en niaj ĉiutagaj agadoj. Estas pro ĉi tiuj tendencoj, ke SLAM-teknologio fariĝos ĉiufoje pli grava. Ne longe ni atendos, ke nia tekniko ne nur komprenos nian ĉirkaŭecon, kiel ni movos, sed eble piloto nin tra niaj ĉiutagaj vivoj.