Monet Googlen kokeellisesta työpajasta, X Labsista, syntyneistä projekteista näyttivät tulevan suoraan tieteiskirjallisuudesta. Google Glass tarjosi lupauksen puetettavista tietokoneista, jotka rikastivat näkemystämme maailmasta tekniikalla, mutta Google Glassin todellisuus ei ole täyttänyt lupauksiaan. Toinen X Labs -projekti, joka ei petä, on itseajava auto. Huolimatta kuljettajattoman auton fantastisesta lupauksesta, nämä ajoneuvot ovat todellisuutta. Tämä merkittävä saavutus perustuu SLAM-tekniikkaan.
SLAM: Samanaikainen lokalisointi ja kartoitus
SLAM on lyhenne sanoista Simultaneous Locating and Mapping, tekniikka, jonka avulla robotti tai laite voi luoda kartan ympäristöstään ja orientoitua kartalla oikein reaaliajassa. Tämä ei ole helppo tehtävä, ja se on tällä hetkellä teknologisen tutkimuksen ja suunnittelun eturintamassa. Suuri este SLAM-teknologian menestyksekkäälle käyttöönotolle on kahden vaaditun tehtävän aiheuttama kana-muna-ongelma. Jotta voit onnistuneesti kartoittaa ympäristön, sinun on tiedettävä suuntasi ja sijaintisi siinä; nämä tiedot saadaan kuitenkin vain jo olemassa olevasta ympäristökartasta.
Kuinka SLAM toimii
SLAM-tekniikka ratkaisee yleensä tämän monimutkaisen kana-muna-ongelman rakentamalla ympäristöstä jo olemassa olevan kartan GPS-tietojen avulla. Tätä karttaa jalostetaan sitten robotin tai laitteen liikkuessa ympäristön läpi. Tekniikan todellinen haaste on tarkkuus. Mittauksia tulee tehdä jatkuvasti robotin tai laitteen liikkuessa avaruudessa ja tekniikassa tulee ottaa huomioon sekä laitteen liikkeen aiheuttama «melu» että mittausmenetelmän epätarkkuudet. Tämä tekee SLAM-tekniikasta suurelta osin mittaus- ja matematiikkakysynnän.
Mittaus ja matematiikka
Googlen itseajava auto on esimerkki mittauksesta ja matematiikasta käytännössä. Auto tekee mittauksia pääasiassa kattoon asennettavalla LIDAR-yksiköllä (lasertutka), joka voi luoda 3D-kartan ympäristöstään jopa 10 kertaa sekunnissa. Tämä arviointitaajuus on kriittinen, koska auto kulkee suurella nopeudella. Näitä mittauksia käytetään täydentämään olemassa olevia GPS-karttoja, joita Googlen tiedetään ylläpitävän osana Google Maps -palveluaan. Mittaukset luovat valtavan määrän dataa ja tästä tiedosta merkityksen luominen ohjaavien päätösten tekemiseen on tilastotyötä. Auton ohjelmisto käyttää edistyneitä tilastotietoja, mukaan lukien Monte Carlo -mallit ja Bayesian suodattimet, jotka kartoittavat ympäristön tarkasti.
Vaikutukset lisättyyn todellisuuteen
Autonomiset ajoneuvot ovat ilmeinen SLAM-tekniikan ensisijainen sovellus. Vähemmän ilmeinen käyttö saattaa kuitenkin olla puettavien teknologioiden ja lisätyn todellisuuden maailmassa. Vaikka Google Glass voisi käyttää GPS-tietoja käyttäjän karkean sijainnin määrittämiseen, samanlainen tuleva laite voisi käyttää SLAM-tekniikkaa rakentaakseen paljon monimutkaisemman kartan käyttäjän ympäristöstä. Tämä voi olla hyvä käsitys siitä, mitä käyttäjä tarkalleen katsoo laitteella. Se tunnistaa, kun käyttäjä katsoo maamerkkiä, julkisivua tai mainosta, ja käyttää näitä tietoja lisätyn todellisuuden peittokuvan luomiseen. Vaikka nämä ominaisuudet saattavat vielä kuulostaa kaukaiselta, MIT-projekti on kehittänyt yhden ensimmäisistä SLAM-tekniikkaa käyttävistä puetettavista laitteista.
Tekniikka, joka ymmärtää tilaa
Ei siitä niin kauan sitten, kun tekniikka oli kiinteä, kiinteä pääte, jota käytämme kodeissamme ja toimistoissamme. Nyt tekniikka on aina läsnä ja mobiilia. Tämä suuntaus jatkuu varmasti, kun teknologia kutistuu ja kietoutuu jokapäiväiseen toimintaamme. Nämä suuntaukset tekevät SLAM-tekniikasta yhä tärkeämmän. Ei kestä kauan, kun odotamme teknologiamme paitsi ymmärtävän ympäristöämme liikkuessamme, myös ohjaavan meitä jokapäiväisessä elämässämme.