Home-theater-designers
SLAM(동시 현지화 및 매핑)은 일상적으로 사용하는 문구가 아닐 수 있습니다. 그러나 최신 기술의 경이로움 중 몇 가지는 수명의 1000분의 1초마다 이 프로세스를 사용합니다.
SLAM이란 무엇입니까? 왜 필요합니까? 그리고 당신이 말하는 이 멋진 기술은 무엇입니까?
iOS에서 Android로 연락처 전송
약어에서 추상적인 아이디어로
여기 당신을 위한 빠른 게임이 있습니다. 이 중 속하지 않는 것은?
- 자율주행차
- 증강 현실 앱
- 자율 비행 및 수중 차량
- 혼합 현실 웨어러블
- 더 룸바
답이 목록의 마지막 항목이라고 쉽게 생각할 수 있습니다. 어떤 면에서는 당신이 옳습니다. 다른 의미로, 이것은 모든 항목이 관련되어 있기 때문에 트릭 게임이었습니다.
이미지 크레디트: Nathan Kroll/ 플리커
(매우 멋진) 게임의 진짜 질문은 이것이다: 무엇이 이 모든 기술을 실현 가능하게 만드는가? 답: 동시 현지화 및 매핑 또는 SLAM! 멋진 아이들이 말하는 것처럼.
일반적으로 SLAM 알고리즘의 목적은 반복하기에 충분히 쉽습니다. 로봇은 환경의 지도를 만드는 동안 공간에서 위치와 방향(또는 포즈)을 추정하기 위해 동시 위치 파악 및 매핑을 사용합니다. 이를 통해 로봇은 자신의 위치와 미지의 공간을 통과하는 방법을 식별할 수 있습니다.
따라서 예, 즉 이 멋진 알고리즘이 하는 모든 일은 위치를 추정하는 것입니다. 또 다른 인기 있는 기술인 GPS(Global Positioning System)는 1990년대의 첫 번째 걸프 전쟁 이후로 위치를 추정해 왔습니다.
SLAM과 GPS의 차이점
그렇다면 왜 새로운 알고리즘이 필요한가? GPS에는 두 가지 고유한 문제가 있습니다. 첫째, GPS는 전체 규모에 비해 정확하지만 정밀도와 정확도는 모두 방, 테이블 또는 작은 교차로에 비해 규모를 줄입니다. GPS는 정확도가 1미터까지 떨어지지만 몇 센티미터입니까? 밀리미터?
둘째, GPS는 수중에서 잘 작동하지 않습니다. 좋지 않다는 것은 전혀 그렇지 않다는 것을 의미합니다. 마찬가지로, 두꺼운 콘크리트 벽이 있는 건물 내부에서는 성능이 다소 저하됩니다. 또는 지하실에서. 당신은 아이디어를 얻을. GPS는 위성 기반 시스템으로 물리적인 한계가 있습니다.
따라서 SLAM 알고리즘은 우리의 가장 진보된 장치와 기계에 대한 향상된 위치 감각을 제공하는 것을 목표로 합니다.
이러한 장치에는 이미 수많은 센서와 주변 장치가 있습니다. SLAM 알고리즘은 일부 수학 및 통계를 사용하여 가능한 한 많은 데이터를 활용합니다.
닭고기 또는 계란? 위치 또는 지도?
복잡한 문제에 답하려면 수학과 통계가 필요합니다. 위치는 주변 지도를 만드는 데 사용됩니까 아니면 주변 지도는 위치를 계산하는 데 사용됩니까?
생각 실험 시간! 당신은 낯선 곳으로 차원적으로 뒤틀려 있습니다. 가장 먼저 하는 일은 무엇입니까? 공황? 알았어, 진정해, 숨 쉬어. 다른 것을 가져 가라. 이제 두 번째로 하는 일은 무엇입니까? 주위를 둘러보고 익숙한 것을 찾으십시오. 왼쪽에 의자가 있습니다. 식물은 당신의 오른쪽에 있습니다. 커피 테이블이 눈앞에 있습니다.
다음은 일단 '도대체 나는 어디에 있는 걸까'라는 두려움을 마비시킨다. 마모, 당신은 움직이기 시작합니다. 잠깐, 이 차원에서 움직임은 어떻게 작동합니까? 한 걸음 앞으로 나아가십시오. 의자와 식물은 점점 작아지고 테이블은 커지고 있습니다. 이제 실제로 앞으로 나아가고 있음을 확인할 수 있습니다.
노트북에서 마우스 패드가 작동하지 않음
관찰은 SLAM 추정의 정확성을 향상시키는 데 중요합니다. 아래 비디오에서 로봇은 마커에서 마커로 이동하면서 더 나은 환경 지도를 구축합니다.
다른 차원으로 돌아가면 걸을수록 더 많이 자신을 지향하게 됩니다. 모든 방향으로 이동하면 이 차원의 움직임이 집 차원과 유사하다는 것을 확인할 수 있습니다. 오른쪽으로 가면 식물이 더 크게 보입니다. 도움이 되는 것은, 이 새로운 세계에서 더 자신 있게 방황할 수 있게 해주는 랜드마크로 식별한 다른 것들을 볼 수 있다는 것입니다.
이것은 본질적으로 SLAM의 프로세스입니다.
프로세스에 대한 입력
이러한 추정을 하기 위해 알고리즘은 내부 또는 외부로 분류될 수 있는 여러 데이터 조각을 사용합니다. 차원 간 이동의 예(인정합니다, 즐거운 여행을 가졌습니다)의 경우 내부 측정은 계단의 크기와 방향입니다.
외부 측정은 이미지 형식입니다. 식물, 의자, 테이블과 같은 랜드마크를 식별하는 것은 눈과 두뇌에 쉬운 작업입니다. 알려진 가장 강력한 프로세서인 인간의 두뇌는 이러한 이미지를 촬영하여 물체를 식별할 뿐만 아니라 물체까지의 거리도 추정할 수 있습니다.
불행히도 (또는 다행스럽게도 SkyNet에 대한 두려움에 따라) 로봇에는 프로세서로서의 인간 두뇌가 없습니다. 기계는 인간이 작성한 코드를 두뇌로 사용하는 실리콘 칩에 의존합니다.
다른 기계 부품은 외부 측정을 수행합니다. 자이로스코프 또는 기타 IMU(관성 측정 장치)와 같은 주변 장치가 이를 수행하는 데 도움이 됩니다. 자율 주행 자동차와 같은 로봇은 바퀴 위치의 주행 거리 측정을 내부 측정으로도 사용합니다.
이미지 크레디트: Jennifer Morrow/ 플리커
외부적으로는 자율주행차 및 기타 로봇이 LIDAR를 사용합니다. 레이더가 전파를 사용하는 것과 유사하게 LIDAR는 반사광 펄스를 측정하여 거리를 식별합니다. 사용되는 빛은 일반적으로 적외선 깊이 센서와 유사한 자외선 또는 근적외선입니다.
LIDAR는 초당 수만 개의 펄스를 전송하여 초고화질 3차원 포인트 클라우드 맵을 생성합니다. 네, 다음에 Tesla가 자동 조종 장치로 돌아다닐 때 레이저로 당신을 쏠 것입니다. 많은 시간.
또한 SLAM 알고리즘은 정적 이미지와 컴퓨터 비전 기술을 외부 측정으로 사용합니다. 이것은 단일 카메라로 수행되지만 스테레오 쌍을 사용하면 훨씬 더 정확하게 만들 수 있습니다.
블랙박스 내부
내부 측정은 외부 지도를 업데이트하는 데 사용할 수 있는 예상 위치를 업데이트합니다. 외부 측정은 위치를 업데이트하는 데 사용할 수 있는 예상 지도를 업데이트합니다. 추론 문제로 생각할 수 있으며, 아이디어는 최적의 솔루션을 찾는 것입니다.
이를 수행하는 일반적인 방법은 확률을 사용하는 것입니다. 입자 필터와 같은 기술은 베이지안 통계적 추론을 사용하여 위치 및 매핑을 근사화합니다.
입자 필터는 가우스 분포에 의해 퍼진 정해진 수의 입자를 사용합니다. 각 입자는 로봇의 현재 위치를 '예측'합니다. 각 입자에 확률이 할당됩니다. 모든 입자는 동일한 확률로 시작합니다.
서로를 확인하는 측정이 수행되면(예: 앞으로 이동 = 테이블이 커지는 경우) 해당 위치에서 '올바른' 입자에 점진적으로 더 나은 확률이 제공됩니다. 멀리 떨어져 있는 입자에는 더 낮은 확률이 할당됩니다.
로봇이 식별할 수 있는 랜드마크가 많을수록 좋습니다. 랜드마크는 알고리즘에 피드백을 제공하고 보다 정확한 계산을 가능하게 합니다.
SLAM 알고리즘을 사용하는 현재 애플리케이션
이 멋진 기술을 멋진 기술로 분해해 보겠습니다.
자율 수중 차량(AUV)
무인 잠수함은 SLAM 기술을 사용하여 자율적으로 작동할 수 있습니다. 내부 IMU는 세 방향으로 가속도 및 모션 데이터를 제공합니다. 또한 AUV는 깊이 추정을 위해 바닥을 향한 소나를 사용합니다. 사이드 스캔 소나는 수백 미터 범위의 해저 이미지를 생성합니다.
이미지 크레디트: 플로리다 바다 그랜트/ 플리커
혼합 현실 웨어러블
Microsoft와 Magic Leap은 혼합 현실 응용 프로그램을 소개하는 웨어러블 안경을 생산했습니다. 이러한 웨어러블에서는 위치를 추정하고 지도를 만드는 것이 중요합니다. 장치는 지도를 사용하여 실제 개체 위에 가상 개체를 배치하고 서로 상호 작용하도록 합니다.
.ai 파일이란?
이러한 웨어러블은 크기가 작기 때문에 LIDAR 또는 소나와 같은 대형 주변 장치를 사용할 수 없습니다. 대신 더 작은 적외선 깊이 센서와 바깥쪽을 향한 카메라가 환경을 매핑하는 데 사용됩니다.
자율주행 자동차
자율주행차는 웨어러블에 비해 약간의 이점이 있습니다. 훨씬 더 큰 물리적 크기로 인해 자동차는 더 큰 컴퓨터를 수용할 수 있고 내부 및 외부 측정을 수행하기 위해 더 많은 주변 장치를 가질 수 있습니다. 여러 면에서 자율주행차는 소프트웨어와 하드웨어 측면에서 기술의 미래를 나타냅니다.
SLAM 기술이 향상되고 있습니다.
SLAM 기술이 다양한 방식으로 사용되고 있기 때문에 완벽해지는 것은 시간 문제일 뿐입니다. 자율 주행 자동차(및 기타 차량)를 매일 보게 되면 동시 로컬라이제이션 및 매핑이 모든 사람이 사용할 준비가 되었음을 알 수 있습니다.
자율주행 기술은 나날이 발전하고 있습니다. 더 알고 싶으십니까? MakeUseOf의 자율 주행 자동차 작동 방식에 대한 자세한 분석을 확인하십시오. 또한 해커가 커넥티드 카를 표적으로 삼는 방법에 관심이 있을 수도 있습니다.
이미지 크레디트: chesky_w/ Depositphotos
공유하다 공유하다 트위터 이메일 Android에서 Google의 내장 버블 레벨에 액세스하는 방법무언가가 수평인지 확인해야 했던 적이 있다면 이제 몇 초 만에 휴대전화에서 거품 수준을 확인할 수 있습니다.
다음 읽기 관련 항목- 기술 설명
- 자동차 기술
- 인공 지능
- 자율주행차
- 쾅
Tom은 글쓰기, 대학 미식축구(Gators!), CrossFit 및 Oxford 쉼표에 대한 열정을 가진 플로리다(Florida Man에게 한마디)의 소프트웨어 엔지니어입니다.
톰 존슨이 참여한 작품 더보기뉴스레터 구독
뉴스레터에 가입하여 기술 팁, 리뷰, 무료 전자책 및 독점 거래를 확인하십시오!
구독하려면 여기를 클릭하세요.