स्वीपिंग रोबोटसाठी स्लॅम तंत्रज्ञान काय आहे?

2020-08-21

घरात एक नवीन मजला स्वीपिंग रोबोट जोडला गेला, आणि माझी आई त्यावर आश्चर्यचकित झाली: एक प्लेट प्लेटचे आकाराचे मशीन, दरवाजाच्या आत जाताच त्याने काम सुरू केले, ते कठोर परिश्रम होते. तर कोणत्या तंत्रज्ञानाने स्वीपिंग रोबोटच्या स्मार्ट आयक्यूला उंच मैदान व्यापू दिले? स्वीपिंग रोबोट्सच्या उत्पादनाची ओळख बघितल्यावर तुम्हाला एक पद सापडेल जी बर्‍याच स्वीपिंग रोबोट्सद्वारे वापरली जाते- “सिमटॅनियस लोकॅलायझेशन अँड मॅपिंग” (सिमटॅनियस लोकॅलायझेशन अँड मॅपिंग, स्लॅम) तंत्रज्ञान.

स्लॅम म्हणजे काय? सर्व प्रथम, आपण बोलणे सुरू करण्यासाठी एक स्वीपिंग रोबोट होण्यासाठी "ट्रॅव्हर्स" करूया. स्वीपिंग रोबोट म्हणून, एखाद्या अपरिचित जागेत प्रवेश केल्यानंतर, आपणास स्वयंचलित स्वीपिंग कार्य पूर्ण करायचे असल्यास कोणती कार्ये पूर्ण करणे आवश्यक आहे?

a) मी कोण आहे आणि मी कुठे आहे? पटकन स्थिती कशी प्राप्त करावी आणि वातावरणात आपली सापेक्ष स्थिती कशी समजून घ्यावी;
 
बी) मी कोठून आलो आणि सभोवताल काय आहे? रिअल टाइममध्ये सभोवतालच्या वातावरणाचा नकाशा कसा तयार करायचा आणि अडथळे आणि भिंती कुठे आहेत हे कसे समजेल? नकाशा माहितीच्या स्थानावर अवलंबून असणे अर्थपूर्ण आहे;

c) मी कुठे जाऊ आणि मी कसे जावे? नकाशा आणि स्थानासह, भिंतीवर न मारता, रस्त्याची पुनरावृत्ती न करता किंवा प्रत्येक कोपरा न गमावता मार्ग नियोजन कसे मिळवायचे?

वरील तीन समस्या म्हणजे "अंतिम तात्विक समस्या" ज्या स्वीपिंग रोबोट सोडवण्यासाठी एसएलएएम वापरतात (खरं तर काटेकोरपणे सांगायचं झालं तर एसएलएएममध्ये केवळ पहिल्या दोन समस्या समाविष्ट असतात आणि काही एआर अनुप्रयोग परिस्थितींमध्ये पथ नियोजनाच्या अडचणींचा समावेश नाही. येथे आम्ही स्वीपिंग वापरतो रोबोट स्लॅम समस्येचा परिचय देतो, चला याबद्दल एकत्र चर्चा करूया.)



एसएलएएम तंत्रज्ञानाचे सार "एस" â € "â €" एकाच वेळी, ज्याचा अर्थ चिनी भाषेत "दुस side्या बाजूला ..." मध्ये आहे, जेव्हा स्वत: चे स्थान प्राप्त करत असताना आणि "मी कुठे आहे" या प्रश्नाचे उत्तर देताना बांधकाम करीत आहे. एक नकाशा आणि "मी कुठून आहे", काय आहे या प्रश्नाचे उत्तर देत आहे. प्रत्येकाला या "एस" चा अर्थ चांगल्या प्रकारे समजून घेण्यासाठी आपण दोन बाजूंमध्ये विभागले आहे. प्रथम, आपण भूतकाळाचे भूतकाळ आणि त्याचे वर्तमान जाणून घेऊया स्लॅम तंत्रज्ञान:

एसएलएएमची तांत्रिक विचारसरणी सैन्याच्या क्षेत्रात पाणबुडीच्या स्थितीपर्यंत शोधली जाऊ शकते. जीपीएस, व्हिज्युअल अवलोकन इत्यादीद्वारे सहजपणे नेव्हिगेट आणि शोधू शकणार्‍या पृष्ठभागाच्या जहाजाच्या विपरीत, पाणबुड्यांना कार्य करताना सूर्यप्रकाशाशिवाय खोल समुद्राच्या क्रियेत बुडविणे भाग पडते (हे चांगलेच समजले आहे, पृष्ठभागावर किंवा उथळ पाण्यात तरंगणारी पाणबुडी गमावेल â € Sign चे महत्व ~), पारंपारिक पद्धतीद्वारे थेट शोधणे आणि नेव्हिगेट करणे कठीण आहे. म्हणूनच सामान्यपणे कामे पार पाडण्यासाठी बहुतेक पाणबुड्या संयुक्त पोझिशनिंगसाठी आयएनएस (अंतर्देशीय नेव्हिगेशन) आणि एपीएस (पाण्याखालील ध्वनिक नॅव्हिगेशन), तसेच अंदाजे जहाज स्थान, स्थानाची प्रक्रिया, जोडण्याची प्रक्रिया आणि अंदाजासाठी ट्रॅक मॅपिंग आणि चार्ट डेटा वापरतात. याप्रमाणे नकाशा रेखाटणे म्हणजे एसएलएएम तांत्रिक विचारांचे भ्रूण रूप आहे.

पाणबुडीप्रमाणेच, रोबोट्स नेहमी जीपीएसवर विसंबून राहू शकत नाहीत, विशेषत: इनडोअर परिस्थितीमध्ये वापरण्यात येणारे रोबोट्स. जीपीएसची घराबाहेर काही मीटर अचूकता आहे. जीपीएसवर अवलंबून राहणे कॉफी टेबलचे पाय सुरक्षितपणे टाळण्यासाठी आणि सोफा साफ करण्यास स्वीपिंग रोबोटला परवानगी देऊ शकत नाही. तळ एसएलएएम तंत्रज्ञानावर विसंबून ते सभोवतालच्या वातावरणाचा स्वत: चे निरीक्षण आणि मॅप करू शकतात, सेन्सर डेटा कॅलिब्रेशनद्वारे नेव्हिगेशन नकाशा तयार करु शकतात आणि मग ते कोठे आहेत हे समजून घ्यावे, मजल्यावरील झोपणे घेण्यासाठी किंवा कोपर्यात परत जाण्यासाठी चार्ज करण्यासाठी जाणे आवश्यक आहे. आम्ही एसएलएएमची साधी तांत्रिक विचारसरणी सारांशित करू शकतोः पूर्वीच्या ज्ञानाशिवाय आसपासच्या वातावरणाची माहिती सेन्सरद्वारे मिळविली जाऊ शकते आणि पर्यावरणाचा नकाशा जलद आणि वास्तविक-वेळेवर तयार केला जाऊ शकतो आणि त्याच वेळी ते स्वतःचे स्थान सोडवू शकते आणि या आधारावर पथ नियोजन यासारखी पुढील कार्ये पूर्ण करा. हे सोपे वाटते का? परंतु खरं तर, एसएलएएम एक जटिल मल्टी-स्टेज कार्य आहे, ज्यामध्ये सेन्सरद्वारे वास्तविक वातावरणात विविध प्रकारचे कच्चा डेटा (लेझर स्कॅनिंग डेटा, व्हिज्युअल माहिती डेटा इ.) एकत्रित करणे आणि वेगवेगळ्या स्थानांवर लक्ष्य ठेवण्याच्या सापेक्ष स्थितीचा अंदाज मोजणे समाविष्ट आहे. व्हिज्युअल ओडोमेट्री (वैशिष्ट्यांसह) जुळणी, थेट नोंदणी इ.) द्वारे व्हिज्युअल ओडोमीटर (पारंपारिक फिल्टरिंग अल्गोरिदम, नकाशा ऑप्टिमायझेशन अल्गोरिदम इत्यादी) द्वारे होणारी संचयी त्रुटी ऑप्टिमाइझ करण्यासाठी बॅक-एंड मॉड्यूलद्वारे आणि शेवटी एक व्युत्पन्न मॅपिंग मॉड्यूलद्वारे नकाशा (निश्चितच, स्पेसमधील जमा झालेल्या त्रुटी दूर करण्यासाठी इत्यादीसाठी लूप डिटेक्शनसह सुसज्ज असणे आवश्यक आहे. इ.) मॅपिंग आणि पोझिशनिंगच्या उद्देशासाठी.