SLAM (metod)

Den stabila versionen checkades ut den 7 oktober 2022 . Det finns overifierade ändringar i mallar eller .

SLAM ( simultaneous localization and mapping -   simultaneous localization and mapping) är en metod som används i mobila autonoma verktyg för att bygga en karta i ett okänt utrymme eller för att uppdatera en karta i ett tidigare känt utrymme samtidigt som man övervakar aktuell plats och tillryggalagd sträcka. Populära metoder för en ungefärlig lösning av detta problem är partikelfiltret och det utökade Kalmanfiltret . Vissa implementeringar av metoden används i obemannade fordon , flygplan , autonoma undervattensfordon, planetariska rovers och även inuti människokroppen.

Problemets brådska beror på det faktum att kartorna som vanligtvis används för navigeringsagenter i grunden återspeglar utsikten över utrymmet som var fixerat vid tidpunkten för deras konstruktion, och det är inte alls nödvändigt att utsikten över utrymmet kommer att vara densamma vid tiden kartorna används. Samtidigt beror komplexiteten i den tekniska processen för att bestämma den aktuella platsen med den samtidiga konstruktionen av en exakt karta på den låga noggrannheten hos de instrument som är involverade i processen att beräkna den aktuella platsen. Metoden för simultan navigering och kartläggning länkar två oberoende processer till en kontinuerlig cykel av sekventiella beräkningar, med resultaten av en process som deltar i beräkningarna av en annan process.

De huvudsakliga metoderna som används för att implementera uppgiften är EKF-SLAM , FastSLAM , DP-SLAM . För relativt stora områden som studeras används multiagentsystem (denna metod användes när man studerade Mars kartografi av en grupp roverrobotar och kombinerade de studerade kartorna till en).

Formell iscensättning

SLAMs uppgift är att beräkna en uppskattning av agentens plats och en karta över miljön från en serie observationer över diskret tid med ett provtagningssteg . Alla ovanstående kvantiteter är sannolikheter. Målet med problemet är att beräkna . Tillämpningen av Bayes regel är grunden för att successivt uppdatera den bakre platsen givet en karta och en övergångsfunktion :

.

På samma sätt kan kartan uppdateras sekventiellt:

.

Som med många andra inferensproblem, som arbetar på två probabilistiska variabler, kan man komma fram till en lokal optimal lösning genom att tillämpa EM-algoritmen .

Bygga en karta

Den strukturella representationen av terrängkartan beror på driftsmiljön.

För att välja den bästa implementeringen av SLAM-uppgifter introduceras en villkorad klassificering av operativa miljöer:

Om det inte är möjligt att hitta landmärken i miljön som studeras, är det rationellt att representera det som en array, där de element som reflekterar hindrens position har värdet 1, och alla övriga har värdet 0. ( En sådan kartrepresentation används till exempel i DP-SLAM-algoritmen)

Om det finns många landmärken i studieområdet är kartan en rad uppskattningar av deras plats. Matrisens dimension är , där  är utrymmets dimension,  är antalet landmärken.

För att lagra strukturen på en sådan karta är det lättast att använda en kartografisk databas som återspeglar positionen för landmärken, deras unika egenskaper och relationer. Matrisen av bedömningar av det dynamiska systemets tillstånd baserad på det utökade Kalman-filtret använder exakt denna version av kartrepresentationen.

Laseravståndsmätare , ekolod , stereosystem används som avståndsmätare . Vägmätare kan användas för att bestämma robotens rörelse och rotation .

Länkar

 Robotik
Huvudartiklar
Robottyper
Anmärkningsvärda robotar
Relaterade termer