Veel van de projecten die zijn voortgekomen uit de experimentele workshop van Google, X Labs, leken helemaal uit sciencefiction te komen. Google Glass bood de belofte van draagbare computers die onze kijk op de wereld met technologie versterkten, maar de realiteit van Google Glass heeft de belofte niet waargemaakt. Een ander X Labs-project dat niet teleurgesteld is, is de zelfrijdende auto. Ondanks de fantastische belofte van een auto zonder bestuurder, zijn deze voertuigen een realiteit. Deze opmerkelijke prestatie is afhankelijk van SLAM-technologie.
SLAM: simultane lokalisatie en mapping
SLAM is een acroniem voor simultane lokalisatie en mapping, een technologie waarbij een robot of apparaat een kaart van de omgeving kan maken en zich in realtime op de kaart kan oriënteren. Dit is geen gemakkelijke taak en het bestaat momenteel aan de grenzen van technologisch onderzoek en ontwerp. Een groot obstakel voor het succesvol implementeren van SLAM-technologie is het kip-en-ei-probleem dat wordt geïntroduceerd door de twee vereiste taken. Om een omgeving met succes in kaart te brengen, moet u uw oriëntatie en positie daarin kennen; deze informatie wordt echter alleen verkregen uit een reeds bestaande kaart van de omgeving.
Hoe SLAM werkt
SLAM-technologie lost dit complexe kip-en-ei probleem op door een bestaande kaart van een omgeving te bouwen met behulp van GPS-gegevens. Deze kaart wordt vervolgens verfijnd als de robot of het apparaat door de omgeving beweegt. De echte uitdaging van de technologie is er een van nauwkeurigheid. Er moeten voortdurend metingen worden verricht als de robot of het apparaat door de ruimte beweegt, en de technologie moet rekening houden met de 'Noise' die wordt geïntroduceerd door zowel de beweging van het apparaat als de onnauwkeurigheid van de meetmethode. Dit maakt SLAM-technologie grotendeels een kwestie van meten en wiskunde.
Meting en wiskunde
De zelfrijdende auto van Google is een voorbeeld van meten en wiskunde in actie. De auto voert hoofdzakelijk metingen uit met behulp van de op het dak gemonteerde LIDAR (laserradar) assemblage, waarmee een 3D-kaart van de omgeving tot 10 keer per seconde kan worden gemaakt. Deze evaluatiefrequentie is van cruciaal belang omdat de auto snel beweegt. Deze metingen worden gebruikt om de reeds bestaande GPS-kaarten te verbeteren. Google staat erom bekend dat deze wordt onderhouden als onderdeel van zijn Google Maps-service. De metingen creëren een enorme hoeveelheid gegevens en het genereren van betekenis uit deze gegevens om beslissingen te nemen over het rijden, is het werk van statistieken. De software van de auto gebruikt geavanceerde statistieken, waaronder Monte Carlo-modellen en Bayesiaanse filters om de omgeving nauwkeurig in kaart te brengen.
Implicaties voor Augmented Reality
Autonome voertuigen zijn de voor de hand liggende primaire toepassing van SLAM-technologie. Een minder voor de hand liggend gebruik kan echter zijn in de wereld van draagbare technologieën en augmented reality. Hoewel Google Glass GPS-gegevens kan gebruiken om de gebruiker een ruwe positie te geven, zou een vergelijkbaar toekomstig apparaat SLAM-technologie kunnen gebruiken om een veel complexere kaart van de omgeving van de gebruiker te maken. Dit kan een goed begrip van precies bevatten waar de gebruiker naar kijkt met het apparaat. Het kan herkennen wanneer een gebruiker naar een oriëntatiepunt, etalage of advertentie kijkt en die informatie gebruiken om een overlay met toegevoegde realiteit te bieden. Hoewel deze functies misschien een lange weg af gaan, heeft een MIT-project een van de eerste voorbeelden van een draagbaar SLAM-technologie-apparaat ontwikkeld.
Technologie die de ruimte begrijpt
Het was niet zo lang geleden dat technologie een vaste, stationaire terminal was die we in onze huizen en kantoren gebruiken. Nu is technologie altijd aanwezig en mobiel. Deze trend zal zeker doorgaan naarmate de technologie blijft miniaturiseren en verstrengeld raakt in onze dagelijkse activiteiten. Het is vanwege deze trends dat SLAM-technologie steeds belangrijker wordt. Het zal niet lang duren voordat we verwachten dat onze technologie niet alleen onze omgeving begrijpt terwijl we ons verplaatsen, maar ons ook door ons dagelijks leven loodst.
