يبدو أن العديد من المشاريع التي خرجت من ورشة العمل التجريبية من Google ، X Labs ، خرجت من الخيال العلمي. عرض Google Glass وعد أجهزة الكمبيوتر القابلة للارتداء التي عززت نظرتنا إلى العالم باستخدام التكنولوجيا ، لكن واقع Google Glass لم يحقق وعوده. آخر X Labs المشروع الذي لم يخيب ظن هو السيارة ذاتية القيادة. على الرغم من الوعد الخيالي لسيارة بدون سائق ، فإن هذه المركبات حقيقة. هذا الإنجاز الرائع يعتمد على تكنولوجيا SLAM.
SLAM: التعريب ورسم الخرائط في وقت واحد
SLAM هو اختصار للتوطين ورسم الخرائط في وقت واحد ، وهي تقنية يمكن من خلالها للروبوت أو جهاز إنشاء خريطة لمحيطه وتوجيه نفسه بشكل صحيح داخل الخريطة في الوقت الحقيقي. هذه ليست مهمة سهلة ، وهي موجودة حاليًا على حدود أبحاث وتصميم التقنية. هناك مشكلة كبيرة في تطبيق تكنولوجيا SLAM بنجاح وهي مشكلة الدجاج والبيض التي يقدمها المهمتان المطلوبتان. لوضع خريطة لبيئة ما بنجاح ، يجب أن تعرف اتجاهك ومكانتك داخلها ؛ ومع ذلك ، يتم الحصول على هذه المعلومات فقط من خريطة موجودة مسبقًا للبيئة.
كيف يعمل SLAM
عادةً ما تتغلب تقنية SLAM على هذه المشكلة المعقدة المتعلقة بالدجاج والبيض من خلال بناء خريطة موجودة مسبقًا لبيئة باستخدام بيانات GPS. يتم تحسين هذه الخريطة عند تحرك الروبوت أو الجهاز عبر البيئة. التحدي الحقيقي للتكنولوجيا هو واحد من الدقة. يجب أن تؤخذ القياسات باستمرار عندما يتحرك الروبوت أو الجهاز عبر الفضاء ، ويجب أن تأخذ التكنولوجيا بعين الاعتبار ‚Äúnoise ‚Äù الذي يتم تقديمه بواسطة كل من حركة الجهاز وعدم دقة طريقة القياس. هذا يجعل تقنية SLAM إلى حد كبير مسألة القياس والرياضيات.
القياس والرياضيات
تعد السيارة ذاتية القيادة من Google مثالًا للقياس والرياضيات أثناء العمل. تأخذ السيارة في المقام الأول القياسات باستخدام مجموعة LIDAR (رادار الليزر) المثبتة على السقف ، والتي يمكنها إنشاء خريطة ثلاثية الأبعاد لبيئاتها المحيطة حتى 10 مرات في الثانية. هذا التردد في التقييم أمر بالغ الأهمية حيث تتحرك السيارة بسرعة. تُستخدم هذه القياسات لزيادة خرائط GPS الموجودة مسبقًا ، والتي تشتهر بها Google باعتبارها جزءًا من خدمة خرائط Google. تولد القراءات كمية هائلة من البيانات ، وتوليد المعنى من هذه البيانات لجعل قرارات القيادة هي عمل الإحصاءات. يستخدم البرنامج على السيارة إحصائيات متقدمة ، بما في ذلك طرازات مونت كارلو وفلاتر بايزي لتعيين البيئة بدقة.
الآثار المترتبة على الواقع المعزز
المركبات المستقلة هي التطبيق الأساسي الواضح لتكنولوجيا SLAM. ومع ذلك ، قد يكون الاستخدام الأقل وضوحا في عالم التقنيات القابلة للارتداء والواقع المعزز. على الرغم من أن Google Glass يمكنه استخدام بيانات نظام تحديد المواقع العالمي لتوفير موضع تقريبي للمستخدم ، إلا أن جهازًا مستقبليًا مماثلًا يمكنه استخدام تقنية SLAM لإنشاء خريطة أكثر تعقيدًا لبيئة المستخدم. يمكن أن يتضمن ذلك فهمًا لما يبحث عنه المستخدم على وجه التحديد في الجهاز. يمكن أن يتعرف المستخدم عندما ينظر إلى معلم أو واجهة محل أو إعلان ، ويستخدم تلك المعلومات لتوفير تراكب واقعي معزز. في حين أن هذه الميزات قد تبدو بعيدة المنال ، فقد طور مشروع معهد ماساتشوستس للتكنولوجيا أحد الأمثلة الأولى على جهاز تكنولوجيا SLAM القابل للارتداء.
التكنولوجيا التي تفهم الفضاء
منذ وقت ليس ببعيد كانت التكنولوجيا محطة ثابتة ثابتة نستخدمها في منازلنا ومكاتبنا. الآن التكنولوجيا موجودة باستمرار ومتنقلة. من المؤكد أن هذا الاتجاه سيستمر مع استمرار التكنولوجيا في التصغير وتصبح متشابكة في أنشطتنا اليومية. وبسبب هذه الاتجاهات أصبحت تكنولوجيا SLAM ذات أهمية متزايدة. لن يكون طويلاً قبل أن نتوقع أن تفهم التكنولوجيا لدينا ليس فقط محيطنا أثناء حركتنا ، ولكن أيضًا لتجريبنا خلال حياتنا اليومية.
