रोबोट को स्वीप करने के लिए SLAM तकनीक क्या है?

2020-08-21

घर में एक नया फ़्लोर स्वीपिंग रोबोट जोड़ा गया था, और मेरी माँ इस पर आश्चर्यचकित थी: एक मशीन जो एक प्लेट के आकार की थी, उसने दरवाजे पर प्रवेश करते ही काम शुरू कर दिया, यह कड़ी मेहनत थी। तो किस तकनीक ने उच्च भूमि पर कब्जा करने वाले व्यापक रोबोट के स्मार्ट आईक्यू को अनुमति दी है? व्यापक रोबोट के उत्पाद परिचय को देखते हुए, आपको एक शब्द मिलेगा जिसका उपयोग कई व्यापक रोबोट- "Simultaneous स्थानीयकरण और मानचित्रण" (Simultaneous Localization and Mapping, SLAM) तकनीक द्वारा किया जाता है।

SLAM क्या है? सबसे पहले, हमें "ट्रैवर्स" के बारे में बात करना शुरू करने के लिए व्यापक रोबोट बनना है। एक स्वीमिंग रोबोट के रूप में, एक अपरिचित स्थान में प्रवेश करने के बाद, यदि आप एक स्वचालित स्वीपिंग कार्य पूरा करना चाहते हैं, तो किन कार्यों को पूरा करने की आवश्यकता है?

क) मैं कौन हूं और मैं कहां हूं? कैसे जल्दी से स्थिति को प्राप्त करने और पर्यावरण में अपने रिश्तेदार की स्थिति को समझने के लिए;
 
ख) मैं कहां से आया हूं और आसपास क्या है? वास्तविक समय में आसपास के वातावरण के नक्शे का निर्माण कैसे करें, और यह देखें कि बाधाएं और दीवारें कहां हैं? मानचित्र की जानकारी की स्थिति पर भरोसा सार्थक है;

ग) मुझे कहाँ जाना चाहिए और मुझे कैसे जाना चाहिए? एक मानचित्र और एक स्थान के साथ, दीवार से टकराने के बिना, सड़क को दोहराते हुए, या हर कोने को गायब किए बिना पथ योजना कैसे प्राप्त करें?

उपरोक्त तीन समस्याएं "अंतिम दार्शनिक समस्याएं" हैं जो एक व्यापक रोबोट SLAM को हल करने के लिए उपयोग करता है (वास्तव में, कड़ाई से बोलते हुए, SLAM में केवल पहले दो समस्याएं शामिल हैं, और कुछ AR अनुप्रयोग परिदृश्यों में पथ नियोजन समस्याएं शामिल नहीं हैं। यहां हम स्वीपिंग का उपयोग करते हैं। रोबोट SLAM समस्या का परिचय देता है, चलो एक साथ इसके बारे में बात करते हैं।)



SLAM तकनीक का सार "S" â € "â €" एक साथ है, जिसका अर्थ है "दूसरी तरफ ..." चीनी में, एक की स्थिति को प्राप्त करते हुए और "मैं कहाँ हूँ" के प्रश्न का उत्तर देते हुए, निर्माण करते हुए एक नक्शा और उत्तर देना "मैं कहां से हूं", क्या है "सवाल" के आसपास। बेहतर तरीके से सभी को इस "एस" के अर्थ को समझने के लिए, हम दो पक्षों में विभाजित हैं। सबसे पहले, आइए अतीत और वर्तमान पर एक नज़र डालें। SLAM तकनीक:

एसएलएएम की तकनीकी सोच से सैन्य क्षेत्र में पनडुब्बियों की स्थिति का पता लगाया जा सकता है। सतह के जहाजों के विपरीत जो आसानी से जीपीएस और दृश्य अवलोकन आदि के माध्यम से नेविगेट और पता लगा सकते हैं, पनडुब्बियों को कार्य करते समय सूरज की रोशनी के बिना गहरे समुद्र की गतिविधियों में गोता लगाना पड़ता है (यह अच्छी तरह से समझा जाता है, सतह पर या उथले पानी में तैरते हुए पनडुब्बी को खो देगा) ™ का महत्व ~), पारंपरिक तरीकों से सीधे पता लगाना और नेविगेट करना मुश्किल है। इसलिए, सामान्य रूप से कार्यों को करने के लिए, अधिकांश पनडुब्बियां संयुक्त स्थिति के लिए INS (जड़त्वीय नेविगेशन) और APS (पानी के नीचे ध्वनिक नेविगेशन) का उपयोग करती हैं, साथ ही अनुमानित जहाज स्थान, स्थिति की प्रक्रिया, जोड़ने और इस तरह का नक्शा बनाना SLAM तकनीकी सोच का भ्रूण रूप है।

पनडुब्बियों की तरह, रोबोट हमेशा जीपीएस पर भरोसा नहीं कर सकते, विशेष रूप से इनडोर परिदृश्यों में उपयोग किए जाने वाले रोबोट। जीपीएस में कुछ मीटर बाहर की सटीकता है। जीपीएस पर भरोसा करने से रोबोट को व्यापक रूप से कॉफी टेबल के पैरों से बचने और सोफे को साफ करने की अनुमति नहीं मिल सकती है। तल। एसएलएएम तकनीक पर भरोसा करते हुए, वे अपने आस-पास के वातावरण को देख सकते हैं और मैप कर सकते हैं, सेंसर डेटा कैलिब्रेशन के माध्यम से नेविगेशन मैप बना सकते हैं, और फिर समझ सकते हैं कि वे कहां हैं, जहां उन्हें फर्श को स्वीप करने या चार्ज करने के लिए कोने में वापस जाना चाहिए। हम एसएलएएम की सरल तकनीकी सोच को संक्षेप में प्रस्तुत कर सकते हैं: पूर्व ज्ञान के बिना, आसपास के पर्यावरण की जानकारी सेंसर के माध्यम से हासिल की जा सकती है, और पर्यावरण के नक्शे का निर्माण जल्दी और वास्तविक समय पर किया जा सकता है, और साथ ही, यह अपनी स्थिति और इस आधार पर पथ नियोजन जैसे बाद के पूर्ण कार्य। क्या यह सरल लगता है? लेकिन वास्तव में, एसएलएएम एक जटिल बहु-चरणीय कार्य है, जिसमें विभिन्न प्रकार के कच्चे डेटा (लेजर स्कैनिंग डेटा, दृश्य सूचना डेटा, आदि) को सेंसर के माध्यम से वास्तविक वातावरण में एकत्र करना, और अलग-अलग लक्ष्य का आकलन करना है। दृश्य ओडोमेट्री (सुविधाओं सहित) मिलान, प्रत्यक्ष पंजीकरण, आदि के माध्यम से कई बार, बैक-एंड मॉड्यूल के माध्यम से दृश्य ओडोमीटर (पारंपरिक फ़िल्टरिंग एल्गोरिथ्म, मैप ऑप्टिमाइज़ेशन एल्गोरिदम, आदि) के कारण संचयी त्रुटि का अनुकूलन करने के लिए, और अंत में एक उत्पन्न करते हैं। मैपिंग मॉड्यूल के माध्यम से मानचित्र (बेशक, यह आमतौर पर अंतरिक्ष में संचित त्रुटियों को खत्म करने के लिए लूप डिटेक्शन से लैस होना चाहिए), मानचित्रण और स्थिति के उद्देश्य को प्राप्त करने के लिए।