SLAM क्या है? कैसे सेल्फ-ड्राइविंग कारों को पता है कि वे कहां हैं

• प्रौद्योगिकी समझाया

विज्ञापन

एक साथ स्थानीयकरण और मानचित्रण (SLAM) संभवत: एक वाक्यांश नहीं है जिसका आप प्रतिदिन उपयोग करते हैं। हालांकि, नवीनतम शांत तकनीकी चमत्कारों में से कई इस प्रक्रिया का उपयोग उनके जीवन काल के प्रत्येक मिलीसेकंड में करते हैं।

SLAM क्या है? हमें इसकी जरूरत क्यों है? और आप इन शांत तकनीकों के बारे में क्या कहते हैं?

एक्रोनिम का अर्थ Abstract Idea

यहां आपके लिए एक त्वरित गेम है। इनमें से कौन सा नहीं है?

• सेल्फ ड्राइविंग कार
• संवर्धित वास्तविकता एप्लिकेशन
• स्वायत्त हवाई और पानी के नीचे वाहन
• मिश्रित वास्तविकता बुनाई
• रूंबा

आपको लगता है कि उत्तर आसानी से सूची में अंतिम आइटम हो सकता है। एक तरह से आप सही हैं। एक अन्य तरीके से, यह एक चाल का खेल था क्योंकि सभी आइटम संबंधित हैं।

(बहुत अच्छा) खेल का असली सवाल यह है: इन सभी तकनीकों को संभव बनाता है? उत्तर: एक साथ स्थानीयकरण और मानचित्रण, या SLAM! जैसा कि शांत बच्चों का कहना है।

एक सामान्य अर्थ में, SLAM एल्गोरिदम का उद्देश्य पुनरावृति के लिए काफी आसान है। एक रोबोट अपने पर्यावरण का नक्शा बनाते समय अंतरिक्ष में अपनी स्थिति और अभिविन्यास (या मुद्रा) का अनुमान लगाने के लिए एक साथ स्थानीयकरण और मानचित्रण का उपयोग करेगा। यह रोबोट को यह पहचानने की अनुमति देता है कि वह कहां है और कुछ अज्ञात स्थान से कैसे आगे बढ़ना है।

इसलिए, हां, यह कहना है कि यह सभी फैंसी-स्माइली एल्गोरिथ्म अनुमान स्थिति है। एक और लोकप्रिय तकनीक, ग्लोबल पोजिशनिंग सिस्टम (या जीपीएस) जीपीएस ट्रैकिंग कैसे काम करता है और आप इसके साथ क्या ट्रैक कर सकते हैं? जीपीएस ट्रैकिंग कैसे काम करता है और आप इसके साथ क्या ट्रैक कर सकते हैं? GPS। हम इसे उस तकनीक के रूप में जानते हैं जो हमें ए से बी तक मार्गदर्शन करती है लेकिन जीपीएस इससे कहीं अधिक है। संभावना की एक दुनिया है, और हम आपको याद नहीं करना चाहते हैं। Read More 1990 के पहले खाड़ी युद्ध के बाद से स्थिति का अनुमान लगा रहा है।

SLAM और GPS के बीच अंतर करना

तो फिर एक नए एल्गोरिथ्म की आवश्यकता क्यों है? जीपीएस में दो अंतर्निहित समस्याएं हैं। पहले, जबकि GPS वैश्विक स्तर के सापेक्ष सटीक है, सटीकता और सटीकता दोनों एक कमरे, या एक टेबल, या एक छोटे से चौराहे के सापेक्ष कम हो जाते हैं। जीपीएस की सटीकता एक मीटर तक है, लेकिन सेंटीमीटर क्या है? मिलीमीटर?

दूसरे, जीपीएस अच्छी तरह से पानी के भीतर काम नहीं करता है। अच्छी तरह से मेरा मतलब बिल्कुल नहीं है। इसी तरह, मोटी कंक्रीट की दीवारों के साथ इमारतों के अंदर प्रदर्शन धब्बेदार है। या बेसमेंट में। तुम्हें नया तरीका मिल गया है। जीपीएस एक उपग्रह आधारित प्रणाली है, जो भौतिक सीमाओं से ग्रस्त है।

तो SLAM एल्गोरिदम का लक्ष्य हमारे सबसे उन्नत गैजेट्स और मशीनों के लिए बेहतर स्थिति देना है।

इन उपकरणों में पहले से ही सेंसर और बाह्य उपकरणों की एक लिटनी है। SLAM एल्गोरिदम कुछ गणित और आँकड़ों का उपयोग करके इनमें से डेटा का यथासंभव उपयोग करते हैं।

चिकन या अंडा? स्थिति या नक्शा?

जटिल प्रश्न का उत्तर देने के लिए गणित और आँकड़ों की आवश्यकता होती है: क्या स्थिति का उपयोग परिवेश के मानचित्र को बनाने के लिए किया जाता है या स्थिति की गणना करने के लिए उपयोग किए जाने वाले परिवेश के मानचित्र का उपयोग किया जाता है?

सोचा प्रयोग समय! आप एक अपरिचित जगह पर अंतर-द्वैध रूप से विकृत हैं। पहली बात क्या है? आतंक? ठीक है, अच्छी तरह से शांत हो जाओ, एक साँस लो। एक और लो। अब, दूसरी बात आप क्या कर रहे हैं? चारों ओर देखें और कुछ परिचित खोजने की कोशिश करें। एक कुर्सी आपके बाईं ओर है। एक पौधा आपके अधिकार में है। एक कॉफी टेबल आपके सामने है।

इसके बाद, एक बार "मैं कहां हूं?" के डर से लकवा मार जाता है। रुको, इस आयाम में आंदोलन कैसे काम करता है? एक कदम आगे बढ़ाओ। कुर्सी और पौधा छोटा होता जा रहा है और मेज बड़ी होती जा रही है। अब, आप पुष्टि कर सकते हैं कि आप वास्तव में आगे बढ़ रहे हैं।

अवलोकन SLAM आकलन की सटीकता में सुधार करने के लिए महत्वपूर्ण हैं। नीचे दिए गए वीडियो में, जैसे ही रोबोट मार्कर से मार्कर पर जाता है, यह पर्यावरण का बेहतर नक्शा बनाता है।

दूसरे आयाम पर वापस जाएं, जितना अधिक आप अपने आप को उन्मुख करते हैं उतना ही घूमते हैं। सभी दिशाओं में कदम रखना इस बात की पुष्टि करता है कि इस आयाम में गति आपके घर के आयाम के समान है। जैसा कि आप दाईं ओर जाते हैं, पौधे बड़ा होता है। सहायक रूप से, आप अन्य चीजों को देखते हैं जिन्हें आप इस नई दुनिया में स्थलों के रूप में पहचानते हैं जो आपको अधिक आत्मविश्वास से भटकने की अनुमति देते हैं।

यह अनिवार्य रूप से SLAM की प्रक्रिया है।

प्रक्रिया के लिए इनपुट

इन अनुमानों को बनाने के लिए, एल्गोरिदम डेटा के कई टुकड़ों का उपयोग करता है जिन्हें आंतरिक या बाहरी के रूप में वर्गीकृत किया जा सकता है। आपके अंतर-आयामी परिवहन उदाहरण के लिए (इसे स्वीकार करें, आपके पास एक मजेदार यात्रा थी), आंतरिक माप चरणों और दिशा का आकार है।

बनाई गई बाहरी माप छवियों के रूप में हैं। पौधे, कुर्सी और मेज जैसे स्थलों की पहचान करना आंखों और मस्तिष्क के लिए एक आसान काम है। सबसे शक्तिशाली प्रोसेसर जिसे मानव मस्तिष्क कहा जाता है - इन छवियों को लेने में सक्षम है और न केवल वस्तुओं की पहचान करता है, बल्कि उस वस्तु की दूरी का भी अनुमान लगाता है।

दुर्भाग्य से (या सौभाग्य से, स्काईनेट के आपके डर पर निर्भर करता है), रोबोट के पास प्रोसेसर के रूप में मानव मस्तिष्क नहीं है। मशीनें मस्तिष्क के रूप में मानव लिखित कोड के साथ सिलिकॉन चिप्स पर निर्भर करती हैं।

मशीनरी के अन्य टुकड़े बाहरी माप बनाते हैं। जाइरोस्कोप या अन्य जड़त्वीय माप इकाई (IMU) जैसे परिधीय इसे करने में सहायक होते हैं। आत्म-ड्राइविंग कारों जैसे रोबोट आंतरिक माप के रूप में पहिया की स्थिति की ओडोमेट्री का भी उपयोग करते हैं।

बाहरी रूप से, एक सेल्फ ड्राइविंग कार और अन्य रोबोट LIDAR का उपयोग करते हैं। रडार रेडियो तरंगों का उपयोग कैसे करता है, इसी तरह, एलआईडीएआर ने दूरी को पहचानने के लिए प्रकाश दालों को प्रतिबिंबित किया। इंफ्रारेड डेप्थ सेंसर के समान प्रकाश का उपयोग आमतौर पर पराबैंगनी या निकट अवरक्त में किया जाता है।

LIDAR एक अत्यंत उच्च परिभाषा तीन-आयामी बिंदु क्लाउड मैप बनाने के लिए प्रति सेकंड हजारों दालों को भेजता है। तो, हाँ, अगली बार जब टेस्ला ऑटोपायलट पर घूमता है, तो यह आपको लेजर के साथ शूट करेगा। बहुत बार।

इसके अतिरिक्त, SLAM एल्गोरिदम बाहरी माप के रूप में स्थिर छवियों और कंप्यूटर विज़न तकनीकों का उपयोग करते हैं। यह एक एकल कैमरे के साथ किया जाता है, लेकिन स्टीरियो जोड़ी के साथ इसे और भी सटीक बनाया जा सकता है।

ब्लैक बॉक्स के अंदर

आंतरिक माप अनुमानित स्थिति को अपडेट करेगा, जिसका उपयोग बाहरी मानचित्र को अपडेट करने के लिए किया जा सकता है। बाहरी माप अनुमानित मानचित्र को अपडेट करेगा, जिसका उपयोग स्थिति को अपडेट करने के लिए किया जा सकता है। आप इसे एक अनुमान समस्या के रूप में सोच सकते हैं, और विचार इष्टतम समाधान खोजने के लिए है।

ऐसा करने का एक सामान्य तरीका संभावना के माध्यम से है। बायसीयन सांख्यिकीय अनुमान का उपयोग करते हुए एक कण फिल्टर अनुमानित स्थिति और मानचित्रण जैसी तकनीकें।

एक कण फिल्टर एक गाऊसी वितरण द्वारा फैले कणों की एक निर्धारित संख्या का उपयोग करता है। प्रत्येक कण रोबोट की वर्तमान स्थिति की "भविष्यवाणी" करता है। प्रत्येक कण को ​​एक संभावना सौंपी जाती है। सभी कण एक ही संभावना से शुरू होते हैं।

जब माप किए जाते हैं जो एक दूसरे की पुष्टि करते हैं (जैसे कि कदम आगे = मेज बड़ा हो रहा है), तो उनकी स्थिति में "सही" होने वाले कणों को बेहतर रूप से बेहतर संभावनाएं दी जाती हैं। कण जो बंद हैं, उन्हें कम संभावनाएं सौंपी जाती हैं।

एक रोबोट जितनी अधिक लैंडमार्क की पहचान कर सकता है, उतना अच्छा है। लैंडमार्क एल्गोरिदम को प्रतिक्रिया प्रदान करता है और अधिक सटीक गणना के लिए अनुमति देता है।

वर्तमान अनुप्रयोगों SLAM एल्गोरिदम का उपयोग कर

आइए, इस तकनीक के शांत टुकड़े द्वारा तकनीक के ठंडे टुकड़े को तोड़ दें।

स्वायत्त पानी के नीचे वाहन (AUV)

मानव रहित पनडुब्बियां एसएलएएम तकनीकों का उपयोग करके स्वायत्तता से काम कर सकती हैं। एक आंतरिक IMU तीन दिशाओं में त्वरण और गति डेटा प्रदान करता है। इसके अतिरिक्त, AUV गहराई आकलन के लिए नीचे की ओर सोनार का उपयोग करते हैं। साइड स्कैन सोनार समुद्र तल की छवियां बनाता है, जिसमें कुछ सौ मीटर की दूरी होती है।

मिक्स्ड रियलिटी वेयरबल्स

Microsoft और मैजिक लीप ने पहनने योग्य चश्मे का उत्पादन किया है जो मिश्रित वास्तविकता अनुप्रयोगों विंडोज मिश्रित वास्तविकता का परिचय देते हैं: यह क्या है और यह अब कैसे आजमाया गया है विंडोज मिश्रित वास्तविकता आभासी और संवर्धित वास्तविकता में विंडोज 10। यहां बताया गया है कि यह रोमांचक क्यों है और यह कैसे पता करें कि आपका पीसी इसका समर्थन करता है या नहीं। अधिक पढ़ें । स्थिति का अनुमान लगाना और एक नक्शा बनाना इन वियरब्रल्स के लिए महत्वपूर्ण है। डिवाइस वास्तविक वस्तुओं के शीर्ष पर आभासी वस्तुओं को रखने के लिए मानचित्र का उपयोग करते हैं और उन्हें एक दूसरे के साथ बातचीत करते हैं।

चूँकि ये वियरबल्स छोटे होते हैं, इसलिए वे बड़ी परिधियों जैसे कि LIDAR या सोनार का उपयोग नहीं कर सकते। इसके बजाय, पर्यावरण को मैप करने के लिए छोटे इन्फ्रारेड डेप्थ सेंसर और आउटवर्ड फेसिंग कैमरों का उपयोग किया जाता है।

सेल्फ ड्राइविंग कार

ऑटोनॉमस कारों का थोड़ा बहुत फायदा होता है वेब्रेबल्स पर। बहुत बड़े भौतिक आकार के साथ, कारें बड़े कंप्यूटरों को पकड़ सकती हैं और आंतरिक और बाहरी माप बनाने के लिए अधिक परिधीय हैं। कई मायनों में, सेल्फ-ड्राइविंग कारें, सॉफ्टवेयर और हार्डवेयर दोनों के संदर्भ में प्रौद्योगिकी के भविष्य का प्रतिनिधित्व करती हैं।

SLAM प्रौद्योगिकी में सुधार हो रहा है

एसएलएएम तकनीक का उपयोग कई तरीकों से किया जा रहा है, यह पूर्ण होने से पहले केवल समय की बात है। एक बार स्व-ड्राइविंग कारों (और अन्य वाहनों) को दैनिक आधार पर देखा जाता है, आपको पता चल जाएगा कि एक साथ स्थानीयकरण और मानचित्रण सभी के उपयोग के लिए तैयार है।

हर दिन सेल्फ ड्राइविंग तकनीक में सुधार हो रहा है। अधिक जानना चाहते हैं? सेल्फ ड्राइविंग कार कैसे काम करती है, इसके बारे में MakeUseOf के विस्तृत ब्रेक की जाँच करें: Google की स्वायत्त कार कार्यक्रम के पीछे नट और बोल्ट कैसे काम करते हैं, सेल्फ-ड्राइविंग कार कैसे काम करती है: Google की स्वायत्त कार कार्यक्रम के पीछे नट और बोल्ट वापस आने में सक्षम होने के कारण और अपने पसंदीदा ब्लॉगों पर सोते हुए, भोजन करते हुए, या पकड़ते हुए काम करने के लिए एक अवधारणा है जो वास्तव में समान रूप से आकर्षक और प्रतीत होता है कि बहुत दूर है और भविष्य के लिए भी। अधिक पढ़ें । आपको यह भी रुचि हो सकती है कि हैकर्स कनेक्टेड कारों को कैसे लक्षित कर रहे हैं।

चित्र साभार: chesky_w / Depositphotos

इसके बारे में अधिक जानें: आर्टिफिशियल इंटेलिजेंस, ऑटोमोटिव टेक्नोलॉजी, सेल्फ-ड्राइविंग कार, एसएलएएम।