Google의 실험실 인 X Labs에서 나온 많은 프로젝트가 과학 소설에서 벗어난 것처럼 보였습니다. Google Glass는 기술로 전 세계에 대한 시각을 높이는 착용 가능한 컴퓨터라는 약속을 제시했지만 Google Glass의 현실은 그 약속을 지키지 않았습니다. 실망하지 않은 또 다른 X Labs 프로젝트는자가 운전의 자동차입니다. 운전자없는 자동차의 환상적인 약속에도 불구하고,이 차량은 현실입니다. 이 놀라운 업적은 SLAM 기술에 달려 있습니다.
SLAM : 동시 지역화 및 매핑
SLAM은 동시 로컬라이제이션 및 매핑의 약어로, 로봇 또는 장치가 주변의지도를 만들고 실시간으로지도 내에서 올바르게 방향을 조정할 수있는 기술입니다. 이것은 쉬운 일이 아니며, 현재 기술 연구 및 디자인의 최전선에 존재합니다. SLAM 기술을 성공적으로 구현하는 데있어 큰 장애물은 두 가지 필수 작업에 의해 도입 된 닭고기 및 달걀 문제입니다. 환경을 성공적으로 매핑하려면 그 환경 내에서의 방향과 위치를 알아야합니다. 그러나이 정보는 사전에 존재하는 환경 맵에서만 얻을 수 있습니다.
SLAM 작동 방법
SLAM 기술은 일반적으로 GPS 데이터를 사용하여 환경의 기존지도를 작성하여이 복잡한 닭고기 및 달걀 문제를 극복합니다. 이 맵은 로봇이나 장치가 환경을 통과 할 때 정밀 해집니다. 이 기술의 진정한 도전은 정확성 중 하나입니다. 로봇이나 장치가 공간을 통과 할 때마다 측정을 지속적으로 수행해야하며 기술은 장치의 움직임과 측정 방법의 부정확성으로 인해 발생하는 노이즈를 고려해야합니다. 이것은 SLAM 기술을 측정 및 수학의 문제로 만듭니다.
측정 및 수학
Google의 자체 운전 차는 실제 측정 및 수학의 한 예입니다. 자동차는 지붕 장착형 LIDAR (레이저 레이더) 어셈블리를 사용하여 측정을 주로 수행하며 주변에 대한 3D지도를 초당 최대 10 회까지 생성 할 수 있습니다. 이 평가 빈도는 자동차가 빠른 속도로 움직일 때 중요합니다. 이러한 측정은 Google지도 서비스의 일부로 유지 관리되는 것으로 잘 알려진 기존 GPS지도를 보완하는 데 사용됩니다. 판독 값은 엄청난 양의 데이터를 생성하며, 운전 결정을 내리기 위해이 데이터에서 의미를 생성하는 것은 통계 작업입니다. 자동차의 소프트웨어는 Monte Carlo 모델과 Bayesian 필터를 포함한 고급 통계를 사용하여 환경을 정확하게 매핑합니다.
증강 현실에 대한 시사점
Autonomous Vehicle은 SLAM 기술의 명백한 기본 응용 프로그램입니다. 그러나 착용 할 수있는 기술과 증강 현실의 세계에서는 덜 명백한 사용이있을 수 있습니다. Google Glass는 사용자의 대략적인 위치를 제공하기 위해 GPS 데이터를 사용할 수 있지만 비슷한 미래의 기기는 SLAM 기술을 사용하여 훨씬 복잡한 사용자 환경의지도를 만들 수 있습니다. 여기에는 사용자가 장치로 무엇을보고 있는지 정확하게 파악할 수 있습니다. 사용자가 랜드 마크, 점포 또는 광고를보고이를 인식하여 증강 현실 오버레이를 제공 할 수 있습니다. 이러한 기능은 먼 길일 수도 있지만 MIT 프로젝트는 착용 가능한 SLAM 기술 장치의 첫 번째 예 중 하나를 개발했습니다.
우주를 이해하는 기술
오래 전에 기술은 우리가 가정과 사무실에서 사용하는 고정 된 고정 터미널이었습니다. 이제 기술은 항상 존재하고 모바일입니다. 이 추세는 기술이 지속적으로 소형화되고 일상 활동에 얽혀 있기 때문에 계속 될 것입니다. SLAM 기술이 점차 중요 해지고있는 추세 때문입니다. 우리의 기술이 우리의 움직임을 이해할뿐만 아니라 우리 일상 생활을 통해 우리를 조종하기를 기대하기 훨씬 오래 걸릴 것입니다.
