التكنولوجيا التي يمكن أن تتحرك من خلال الفضاء
يبدو أن العديد من المشاريع التي خرجت من ورشة العمل التجريبية من Google ، X Labs ، خرجت من الخيال العلمي. يقدم Google Glass وعد أجهزة الكمبيوتر القابلة للارتداء التي من شأنها تعزيز نظرتنا إلى العالم باستخدام التكنولوجيا. ومع ذلك ، فقد نظر العديد من الأشخاص إلى حقيقة Google Glass على أنها أكثر واقعية من وعدها. لكن هناك مشروع آخر لـ X Labs لم يخيب آماله هو السيارة ذاتية القيادة. على الرغم من الوعد الخيالي لسيارة بدون سائق ، فإن هذه المركبات حقيقة. هذا الإنجاز الرائع مدفوعًا بنهج يسمى تقنية SLAM.
SLAM: التعريب ورسم الخرائط في وقت واحد
ترمز تقنية SLAM إلى التعريب ورسم الخرائط في آن واحد ، وهي عملية يمكن من خلالها للروبوت أو جهاز إنشاء خريطة لمحيطه ، وتوجيه نفسه بشكل صحيح داخل هذه 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. لتخطيط بيئة بنجاح ، يجب على المرء أن يعرف توجهه ومكانه داخلها ؛ ومع ذلك ، يتم اكتساب هذه المعلومات فقط من خريطة البيئة الموجودة مسبقًا.
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. ثم يتم تنقيح هذه الخريطة بشكل متكرر مع انتقال الروبوت أو الجهاز عبر البيئة. التحدي الحقيقي لهذه التكنولوجيا هو واحد من الدقة. يجب أخذ القياسات باستمرار عندما يتحرك الإنسان الآلي أو الجهاز عبر الفضاء ، ويجب أن تأخذ التكنولوجيا في الحسبان "الضجيج" الذي يقدمه كل من حركة الجهاز وعدم دقة طريقة القياس. هذا يجعل تقنية SLAM إلى حد كبير مسألة القياس والرياضيات.
القياس والرياضيات
مثال على هذا القياس والرياضيات في العمل ، يمكن للمرء النظر في تنفيذ سيارة القيادة الذاتية لشركة جوجل. تأخذ السيارة في المقام الأول القياسات باستخدام مجموعة LIDAR (رادار الليزر) المركبة على السقف ، والتي يمكنها إنشاء خريطة ثلاثية الأبعاد لبيئاتها المحيطة حتى 10 مرات في الثانية. هذا التردد في التقييمات 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 عددًا من الإحصاءات المتقدمة ، بما في ذلك طرازات مونت كارلو وفلاتر Bayesian لتعيين البيئة بدقة.
الآثار المترتبة على الواقع المعزز
السيارات المستقلة هي التطبيق الأساسي الواضح لتكنولوجيا SLAM ، لكن الاستخدام الأقل وضوحًا يمكن أن يكون 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
لم يكن من المفترض أن تكون التكنولوجيا محطة ثابتة وثابتة كنا نستخدمها في بيوتنا ومكاتبنا. الآن التكنولوجيا موجودة باستمرار ، ومتنقلة. هذا هو الاتجاه الذي من المؤكد أن يستمر مع استمرار التكنولوجيا في تصغير وتصبح متشابكة في أنشطتنا اليومية. وبسبب هذه الاتجاهات ، ستصبح تكنولوجيا SLAM ذات أهمية متزايدة. لن يمر وقت طويل قبل أن نتوقع أن تفهم التكنولوجيا لدينا ليس فقط محيطنا أثناء تحركنا ، ولكن ربما تجريبنا خلال حياتنا اليومية.