หลายโครงการที่เกิดขึ้นจากการทดลองเชิงทดลองของ Google ซึ่งเป็นห้องปฏิบัติการ X Labs ดูเหมือนจะไม่เหมาะกับนิยายวิทยาศาสตร์ Google Glass นำเสนอเครื่องคอมพิวเตอร์ที่สวมใส่ได้ซึ่งช่วยเพิ่มมุมมองของเราเกี่ยวกับโลกด้วยเทคโนโลยี แต่ความเป็นจริงของ Google Glass ไม่ได้ให้คำมั่นสัญญาไว้ อีกโครงการหนึ่งของ X Labs ที่ไม่ได้สร้างความผิดหวังคือรถที่ขับด้วยตัวเอง แม้จะมีสัญญาแปลกประหลาดของรถ driverless, ยานพาหนะเหล่านี้เป็นจริง ความสำเร็จที่โดดเด่นนี้ขึ้นอยู่กับเทคโนโลยี SLAM
SLAM: รองรับการแปลและทำแผนที่พร้อม ๆ กัน
SLAM เป็นตัวย่อสำหรับการแปลและการทำแผนที่พร้อมกันซึ่งเป็นเทคโนโลยีที่หุ่นยนต์หรืออุปกรณ์สามารถสร้างแผนที่ของสภาพแวดล้อมและปรับทิศทางให้ถูกต้องภายในแผนที่ได้แบบเรียลไทม์ นี่ไม่ใช่เรื่องง่ายและขณะนี้มีอยู่ที่เขตแดนของการวิจัยและการออกแบบเทคโนโลยี อุปสรรคสำคัญในการนำเทคโนโลยี SLAM ไปใช้งานได้สำเร็จคือปัญหาไก่ไข่ที่ได้รับการแนะนำโดยทั้งสองงานที่จำเป็น ในการทำแผนที่สภาพแวดล้อมให้สำเร็จคุณต้องทราบทิศทางและตำแหน่งของคุณภายใน แม้กระนั้นข้อมูลนี้จะได้รับจากแผนที่สิ่งแวดล้อมที่มีมาก่อน
วิธี SLAM Works
เทคโนโลยี SLAM มักจะเอาชนะปัญหาไข่ไก่แบบซับซ้อนนี้โดยการสร้างแผนที่ก่อนหน้าของสภาพแวดล้อมโดยใช้ข้อมูล GPS แผนที่นี้ได้รับการขัดเกลาแล้วเมื่อหุ่นยนต์หรืออุปกรณ์เคลื่อนผ่านสิ่งแวดล้อม ความท้าทายที่แท้จริงของเทคโนโลยีนี้เป็นความแม่นยำอย่างหนึ่ง ต้องใช้การวัดอย่างต่อเนื่องเนื่องจากหุ่นยนต์หรืออุปกรณ์เคลื่อนผ่านอวกาศและเทคโนโลยีต้องคำนึงถึง "เสียงดัง" ซึ่งนำมาใช้โดยทั้งการเคลื่อนไหวของอุปกรณ์และความไม่เที่ยงตรงของวิธีการวัด ทำให้เทคโนโลยี SLAM เป็นเรื่องของการวัดและคณิตศาสตร์
การวัดและคณิตศาสตร์
รถขับด้วยตนเองของ Google เป็นตัวอย่างของการวัดและคณิตศาสตร์ในการดำเนินการ รถส่วนใหญ่ใช้การวัดโดยใช้การติดตั้ง LIDAR (เลเซอร์เรดาร์) ที่ติดตั้งบนหลังคาซึ่งสามารถสร้างแผนที่ 3 มิติของสภาพแวดล้อมได้ถึง 10 ครั้งต่อวินาที ความถี่ของการประเมินผลนี้เป็นสิ่งสำคัญเนื่องจากรถเคลื่อนที่ด้วยความเร็ว การวัดเหล่านี้ใช้เพื่อเพิ่มแผนที่ GPS ที่มีอยู่ก่อนแล้วซึ่ง Google เป็นที่รู้จักกันดีว่าเป็นส่วนหนึ่งของบริการ Google แผนที่ การอ่านสร้างข้อมูลจำนวนมหาศาลและสร้างความหมายจากข้อมูลนี้เพื่อให้การตัดสินใจในการขับขี่เป็นผลงานทางสถิติ ซอฟต์แวร์บนรถใช้สถิติขั้นสูงรวมทั้งโมเดล Monte Carlo และตัวกรองแบบเบย์เพื่อช่วยในการจัดทำแผนที่สิ่งแวดล้อมอย่างถูกต้อง
นัยสําหรับความจริงที่เพิ่มขึ้น
ยานยนต์เป็นโปรแกรมประยุกต์หลักของเทคโนโลยี SLAM ที่เห็นได้ชัด อย่างไรก็ตามการใช้งานที่เห็นได้ชัดอาจเป็นไปในโลกของเทคโนโลยีเครื่องแต่งตัวที่สวมใส่ได้และความเป็นจริงที่เพิ่มมากขึ้น ในขณะที่ Google Glass สามารถใช้ข้อมูล GPS เพื่อระบุตำแหน่งคร่าวๆของผู้ใช้อุปกรณ์ในอนาคตที่คล้ายคลึงกันอาจใช้เทคโนโลยี SLAM เพื่อสร้างสภาพแวดล้อมของผู้ใช้ที่ซับซ้อนมากขึ้น ซึ่งอาจรวมถึงความเข้าใจในสิ่งที่ผู้ใช้กำลังมองหาด้วยอุปกรณ์ สามารถรับรู้ได้เมื่อผู้ใช้กำลังมองหาสถานที่สำคัญหน้าร้านหรือโฆษณาและใช้ข้อมูลดังกล่าวเพื่อให้มีการซ้อนทับความเป็นจริงแบบเติม แม้ว่าคุณลักษณะเหล่านี้อาจฟังดูไม่ไกลนัก แต่โครงการ MIT ก็ได้พัฒนาตัวอย่างแรกของอุปกรณ์เทคโนโลยี SLAM สวมใส่ได้
เทคที่เข้าใจอวกาศ
เมื่อไม่นานมานี้เทคโนโลยีนี้เป็นเทอร์มินัลแบบคงที่ที่เราใช้ในบ้านและที่ทำงานของเรา ขณะนี้เทคโนโลยีมีอยู่ตลอดเวลาและเป็นอุปกรณ์เคลื่อนที่ แนวโน้มนี้จะยังคงเป็นเทคโนโลยีที่ยังคง miniaturize และกลายเป็นที่หลงใหลในกิจกรรมประจำวันของเรา เนื่องจากแนวโน้มเหล่านี้ทำให้เทคโนโลยี SLAM กลายเป็นสิ่งสำคัญมากขึ้น ไม่นานก่อนที่เราจะคาดหวังว่าเทคโนโลยีของเราจะไม่เพียง แต่เข้าใจถึงสภาพแวดล้อมของเราในขณะที่เราเคลื่อนย้ายไปแล้ว แต่ยังนำร่องเราผ่านชีวิตประจำวันของเรา
