Home-theater-designers
समकालिक स्थानीयकरण और मानचित्रण (SLAM) संभवत: ऐसा वाक्यांश नहीं है जिसका आप प्रतिदिन उपयोग करते हैं। हालांकि, कई नवीनतम शांत तकनीकी चमत्कार इस प्रक्रिया का उपयोग अपने जीवन काल के प्रत्येक मिलीसेकंड में करते हैं।
स्लैम क्या है? हमें इसकी जरूरत क्यों है? और आप किन बेहतरीन तकनीकों की बात करते हैं?
कैसे सुनिश्चित करें कि आपका फोन हैक नहीं हुआ है
एक्रोनिम से एब्सट्रैक्ट आइडिया तक
यहां आपके लिए एक त्वरित गेम है। इनमें से कौन सा संबंधित नहीं है?
- सेल्फ ड्राइविंग कारें
- ऑगमेंटेड रियलिटी ऐप्स
- स्वायत्त हवाई और पानी के नीचे के वाहन
- मिश्रित वास्तविकता पहनने योग्य
- रूमबा
आप सोच सकते हैं कि उत्तर आसानी से सूची में अंतिम आइटम है। एक तरह से आप सही कह रहे हैं। दूसरे तरीके से, यह एक ट्रिक गेम था क्योंकि ये सभी आइटम संबंधित हैं।
छवि क्रेडिट: नाथन क्रोल/ फ़्लिकर
(बहुत अच्छा) खेल का असली सवाल यह है: क्या इन सभी तकनीकों को संभव बनाता है? उत्तर: एक साथ स्थानीयकरण और मानचित्रण, या SLAM! जैसा कि शांत बच्चे कहते हैं।
एक सामान्य अर्थ में, SLAM एल्गोरिदम का उद्देश्य पुनरावृति करना 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 किसी अज्ञात स्थान से कैसे आगे बढ़ना है।
इसलिए, हाँ, यह कहना है कि यह सब फैंसी-स्नैंसी एल्गोरिदम अनुमान स्थिति है। एक अन्य लोकप्रिय तकनीक, ग्लोबल पोजिशनिंग सिस्टम (या जीपीएस) 1990 के पहले खाड़ी युद्ध के बाद से स्थिति का आकलन कर रही है।
SLAM और GPS के बीच अंतर करना
तो फिर एक नए एल्गोरिदम की आवश्यकता क्यों है? जीपीएस में दो अंतर्निहित समस्याएं हैं। सबसे पहले, जबकि जीपीएस वैश्विक स्तर के सापेक्ष सटीक है, सटीकता और सटीकता दोनों एक कमरे, या एक टेबल, या एक छोटे चौराहे के सापेक्ष पैमाने को कम करते हैं। GPS की सटीकता एक मीटर तक है, लेकिन सेंटीमीटर क्या है? मिलीमीटर?
दूसरे, जीपीएस पानी के भीतर अच्छी तरह से काम नहीं करता है। ठीक नहीं से मेरा मतलब बिल्कुल नहीं है। इसी तरह, मोटी कंक्रीट की दीवारों वाली इमारतों के अंदर प्रदर्शन धब्बेदार है। या तहखाने में। तुम्हें नया तरीका मिल गया है। जीपीएस एक उपग्रह आधारित प्रणाली है, जो भौतिक सीमाओं से ग्रस्त है।
इसलिए SLAM एल्गोरिदम का लक्ष्य हमारे सबसे उन्नत गैजेट्स और मशीनों के लिए स्थिति की बेहतर समझ देना है।
इन उपकरणों में पहले से ही सेंसरों और बाह्य उपकरणों की भरमार है। SLAM एल्गोरिदम कुछ गणित और आंकड़ों का उपयोग करके इनमें से अधिक से अधिक डेटा का उपयोग करते हैं।
चिकन या अंडा? स्थिति या नक्शा?
एक जटिल प्रश्न का उत्तर देने के लिए गणित और सांख्यिकी की आवश्यकता होती है: क्या स्थिति का उपयोग परिवेश का मानचित्र बनाने के लिए किया जाता है या परिवेश के मानचित्र का उपयोग स्थिति की गणना करने के लिए किया जाता है?
सोचा प्रयोग का समय! आप एक अपरिचित स्थान पर अंतर-आयामी रूप से विकृत हैं। आप सबसे पहला काम क्या करते हैं? घबराहट? ठीक है, शांत हो जाओ, साँस लो। एक और लो। अब आप दूसरा काम क्या करते हैं? चारों ओर देखें और कुछ परिचित खोजने की कोशिश करें। आपकी बाईं ओर एक कुर्सी है। आपके दाहिनी ओर एक पौधा है। आपके सामने एक कॉफी टेबल है।
अगला, एक बार 'मैं कहाँ हूँ?' का लकवाग्रस्त भय। पहनता है, आप हिलना शुरू करते हैं। 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।
डिस्क हमेशा 100 . पर क्यों होती है
एसएलएएम अनुमान की सटीकता में सुधार के लिए अवलोकन महत्वपूर्ण हैं। नीचे दिए गए वीडियो में, जैसे ही रोबोट मार्कर से मार्कर की ओर बढ़ता है, यह पर्यावरण का एक बेहतर मानचित्र बनाता है।
दूसरे आयाम पर वापस, जितना अधिक आप घूमते हैं, उतना ही आप स्वयं को उन्मुख करते हैं। सभी दिशाओं में कदम रखना इस बात की पुष्टि करता है कि इस आयाम में गति आपके घर के आयाम के समान है। जैसे ही आप दाईं ओर जाते हैं, पौधा बड़ा हो जाता है। मददगार रूप से, आप इस नई दुनिया में अन्य चीजों को देखते हैं जिन्हें आप लैंडमार्क के रूप में पहचानते हैं जो आपको अधिक आत्मविश्वास से घूमने 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, आपने एक मजेदार यात्रा की थी), आंतरिक माप कदम और दिशा के आकार हैं।
किए गए 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। ज्ञात सबसे शक्तिशाली प्रोसेसर --- मानव मस्तिष्क --- 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 के आधार पर), रोबोट के पास एक 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 करते हैं। जाइरोस्कोप या अन्य जड़त्वीय मापन इकाई (IMU) जैसे परिधीय ऐसा करने में सहायक होते हैं। सेल्फ-ड्राइविंग कारों जैसे रोबोट भी आंतरिक माप के रूप में पहिया की स्थिति के ओडोमेट्री का उपयोग करते हैं।
छवि क्रेडिट: जेनिफर मोरो / फ़्लिकर
बाह्य रूप से, एक सेल्फ-ड्राइविंग कार और अन्य रोबोट LIDAR का उपयोग करते हैं। जिस तरह रडार रेडियो तरंगों का उपयोग करता है, उसी तरह LIDAR दूरी की पहचान करने के लिए परावर्तित प्रकाश दालों को मापता है। इन्फ्रारेड डेप्थ सेंसर के समान उपयोग किया जाने वाला प्रकाश आमतौर पर पराबैंगनी या निकट अवरक्त होता है।
LIDAR एक अत्यंत उच्च परिभाषा त्रि-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 एक लेजर से शूट करेगा। बहुत बार।
इसके अतिरिक्त, एसएलएएम एल्गोरिदम बाहरी माप के रूप में स्थिर छवियों और कंप्यूटर दृष्टि तकनीकों का उपयोग करते हैं। यह एक एकल कैमरे के साथ किया जाता है, लेकिन एक स्टीरियो जोड़ी के साथ इसे और भी सटीक बनाया जा सकता है।
ब्लैक बॉक्स के अंदर
आंतरिक माप अनुमानित स्थिति को अपडेट करेंगे, जिसका उपयोग बाहरी मानचित्र को अपडेट करने के लिए किया जा सकता है। बाहरी माप अनुमानित मानचित्र को अपडेट करेंगे, 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 खोजना है।
ऐसा करने का एक सामान्य तरीका संभाव्यता के माध्यम से है। बायेसियन सांख्यिकीय अनुमान का उपयोग करके एक कण फ़िल्टर 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 के लिए एक प्रायिकता नियत की 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 = तालिका बड़ी हो रही है), तो जो कण अपनी स्थिति में 'सही' हैं, उन्हें बेहतर संभावनाएं दी जाती हैं। दूर जाने वाले कणों को कम संभावनाएँ दी जाती हैं।
एक रोबोट जितने अधिक स्थलों की पहचान कर सकता है, उतना ही बेहतर है। लैंडमार्क एल्गोरिथम को प्रतिक्रिया प्रदान करते हैं और अधिक सटीक गणना के लिए अनुमति देते हैं।
SLAM एल्गोरिदम का उपयोग करने वाले वर्तमान अनुप्रयोग
आइए इसे तोड़ दें, प्रौद्योगिकी के शांत टुकड़े द्वारा प्रौद्योगिकी का अच्छा टुकड़ा।
स्वायत्त पानी के नीचे वाहन (एयूवी)
मानव रहित पनडुब्बियां SLAM तकनीकों का उपयोग करके स्वायत्त रूप से संचालित हो सकती हैं। एक आंतरिक IMU तीन दिशाओं में त्वरण और गति डेटा प्रदान करता है। इसके अतिरिक्त, एयूवी गहराई के आकलन के लिए बॉटम-फेसिंग सोनार का उपयोग करते हैं। साइड स्कैन सोनार कुछ सौ मीटर की दूरी के साथ समुद्र तल की छवियां बनाता है।
छवि क्रेडिट: फ़्लोरिडा सी ग्रांट/ फ़्लिकर
मिश्रित वास्तविकता पहनने योग्य
माइक्रोसॉफ्ट और मैजिक लीप ने पहनने योग्य चश्मे का उत्पादन किया है जो मिश्रित वास्तविकता अनुप्रयोगों को पेश करते हैं। इन वियरेबल्स के लिए स्थिति का अनुमान लगाना और नक्शा बनाना 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।
ओवरहीटिंग लैपटॉप को कैसे ठीक करें
चूंकि ये पहनने योग्य छोटे होते हैं, इसलिए वे LIDAR या सोनार जैसे बड़े बाह्य उपकरणों का उपयोग नहीं कर सकते हैं। इसके बजाय, छोटे इन्फ्रारेड गहराई सेंसर और बाहरी कैमरे का उपयोग पर्यावरण को मैप करने के लिए किया जाता है।
सेल्फ ड्राइविंग कारें
ऑटोनॉमस कारों में वियरेबल्स की तुलना में थोड़ा फायदा होता है। बहुत बड़े भौतिक आकार के साथ, कारें बड़े कंप्यूटरों को पकड़ सकती हैं और आंतरिक और बाहरी माप करने के लिए अधिक बाह्य उपकरणों का उपयोग कर सकती हैं। कई मायनों में, सेल्फ-ड्राइविंग कारें सॉफ्टवेयर और हार्डवेयर दोनों के मामले में प्रौद्योगिकी के भविष्य का प्रतिनिधित्व करती हैं।
SLAM प्रौद्योगिकी में सुधार हो रहा है
SLAM तकनीक के कई अलग-अलग तरीकों से उपयोग किए जाने के साथ, इसे पूर्ण होने में कुछ ही समय लगता है। एक बार सेल्फ-ड्राइविंग कार (और अन्य वाहन) दैनिक आधार पर देखे जाने के बाद, आपको पता चल जाएगा कि एक साथ स्थानीयकरण और मैपिंग सभी के उपयोग के लिए तैयार है।
सेल्फ-ड्राइविंग तकनीक में हर दिन सुधार हो रहा है। अधिक जानना चाहते हैं? MakeUseOf का विस्तृत विवरण देखें कि सेल्फ-ड्राइविंग कारें कैसे काम करती हैं। आपको इस बात में भी दिलचस्पी हो सकती है कि कैसे हैकर्स कनेक्टेड कारों को लक्षित कर रहे हैं।
छवि क्रेडिट: chesky_w/ जमा तस्वीरें
साझा करना साझा करना कलरव ईमेल Android पर Google के बिल्ट-इन बबल लेवल को कैसे एक्सेस करेंयदि आपको कभी यह सुनिश्चित करने की आवश्यकता है कि कुछ चुटकी में स्तर है, तो अब आप सेकंड में अपने फोन पर बबल स्तर प्राप्त कर सकते हैं।
आगे पढ़िए संबंधित विषय- तकनीक की व्याख्या
- मोटर वाहन तकनीकी
- कृत्रिम होशियारी
- सेल्फ ड्राइविंग कार
- स्लैम
टॉम फ्लोरिडा से एक सॉफ्टवेयर इंजीनियर है (फ्लोरिडा मैन के लिए चिल्लाओ) लेखन के जुनून के साथ, कॉलेज फुटबॉल (गेटर्स जाओ!), क्रॉसफिट, और ऑक्सफोर्ड कॉमा।
टॉम जॉनसेन की और फ़िल्में या टीवी शोहमारे न्यूज़लेटर की सदस्यता लें
तकनीकी युक्तियों, समीक्षाओं, निःशुल्क ई-पुस्तकों और अनन्य सौदों के लिए हमारे न्यूज़लेटर से जुड़ें!
सब्सक्राइब करने के लिए यहां क्लिक करें