Banyak projek yang muncul dari bengkel eksperimen Google, X Labs, kelihatannya tidak sesuai dengan fiksyen sains. Google Glass menawarkan janji komputer yang boleh dipakai yang menambah pandangan kita terhadap dunia dengan teknologi, tetapi realiti Google Glass tidak menepati janjinya. Satu lagi projek X Labs yang tidak pernah kecewa adalah kereta memandu sendiri. Walaupun janji fantastis dari kereta tanpa pemandu, kenderaan ini adalah realiti. Pencapaian yang luar biasa ini bergantung kepada teknologi SLAM.
SLAM: Penyetempatan dan Pemetaan Serentak
SLAM adalah akronim untuk penyetempatan dan pemetaan serentak, teknologi di mana robot atau peranti boleh membuat peta persekitarannya dan mengorientasikan dirinya dengan betul dalam peta dalam masa nyata. Ini bukan tugas yang mudah, dan ia kini wujud di sempadan penyelidikan dan reka bentuk teknologi. Sekatan jalan yang besar untuk berjaya melaksanakan teknologi SLAM adalah masalah ayam dan telur yang diperkenalkan oleh dua tugas yang diperlukan. Untuk berjaya memetakan persekitaran, anda mesti mengetahui orientasi dan kedudukan anda di dalamnya; Namun, maklumat ini hanya diperoleh dari peta persekitaran yang sudah ada sebelumnya.
Bagaimana Kerja SLAM
Teknologi SLAM biasanya mengatasi masalah ayam dan telur yang kompleks dengan membina peta pra-sedia persekitaran dengan menggunakan data GPS. Peta ini kemudian ditapis sebagai robot atau peranti bergerak melalui alam sekitar. Cabaran sebenar teknologi adalah salah satu ketepatan. Pengukuran mesti sentiasa diambil apabila robot atau peranti bergerak melalui ruang angkasa, dan teknologi itu harus mengambil kira "," yang diperkenalkan oleh kedua-dua pergerakan peranti dan ketidaktepatan kaedah pengukuran. Ini menjadikan teknologi SLAM sebahagian besarnya adalah soal pengukuran dan matematik.
Pengukuran dan Matematik
Google's kereta memandu sendiri adalah contoh pengukuran dan matematik dalam tindakan. Kereta itu terutamanya mengambil ukuran menggunakan pemasangan LIDAR (laser radar) bumbung yang dipasang, yang boleh membuat peta 3D persekitarannya sehingga 10 kali sesaat. Kekerapan penilaian ini amat kritikal apabila kereta bergerak dengan laju. Pengukuran ini digunakan untuk menambah peta GPS yang sedia ada, yang dikenal Google untuk mengekalkan sebagai sebahagian dari perkhidmatan Google Maps. Pembacaan ini menghasilkan sejumlah besar data, dan menghasilkan makna dari data ini untuk membuat keputusan memandu adalah kerja statistik. Perisian pada kereta menggunakan statistik lanjutan, termasuk model Monte Carlo dan penapis Bayesian untuk memetakan persekitaran dengan tepat.
Implikasi untuk Reality Augmented
Kenderaan autonomi adalah penerapan utama teknologi SLAM. Walau bagaimanapun, penggunaan yang kurang jelas mungkin terdapat dalam dunia teknologi yang boleh dipakai dan realiti tambahan. Walaupun Google Glass boleh menggunakan data GPS untuk menyediakan kedudukan kasar pengguna, peranti masa depan yang serupa boleh menggunakan teknologi SLAM untuk membina peta yang lebih kompleks persekitaran pengguna. Ini mungkin termasuk pemahaman tentang apa yang pengguna lihat dengan peranti itu. Ia dapat mengenali apabila pengguna melihat mercu tanda, etalase, atau iklan, dan menggunakan maklumat tersebut untuk memberikan overlay realiti tambahan. Walaupun ciri-ciri ini boleh dibuang jauh, projek MIT telah membangunkan salah satu contoh pertama peranti teknologi SLAM yang boleh dipakai.
Tech yang Memahami Ruang
Tidak lama dahulu teknologi ini merupakan terminal tetap dan tetap yang kita gunakan di rumah dan pejabat kita. Sekarang teknologi sentiasa ada dan mudah alih. Trend ini pasti diteruskan kerana teknologi terus menjadi kecil dan menjadi teratur dalam aktiviti harian kami. Ini kerana trend ini teknologi SLAM menjadi semakin penting. Ia tidak lama lagi sebelum kita mengharapkan teknologi kami bukan sahaja memahami persekitaran kami semasa kami bergerak tetapi juga untuk mengetepikan kami melalui kehidupan sehari-hari kami.
