Mange af de projekter, der er opstået fra Googles eksperimentelle værksted, X Labs, har forekommet ret ud af science fiction. Google Glass tilbød løftet om bærbare computere, der forstærket vores syn på verden med teknologi, men Google Glasss virkelighed har ikke levet op til sit løfte. Et andet X Labs-projekt, der ikke er skuffet, er den selvkørende bil. På trods af det fantastiske løfte om en chaufførfri bil er disse køretøjer en realitet. Denne bemærkelsesværdige gennemførelse er afhængig af SLAM-teknologi.
SLAM: Samtidig lokalisering og kortlægning
SLAM er et akronym for samtidig lokalisering og kortlægning, en teknologi, hvorved en robot eller en enhed kan oprette et kort over omgivelserne og orientere sig korrekt på kortet i realtid. Dette er ikke en nem opgave, og det eksisterer for tiden ved grænserne for teknologiforskning og design. En stor vejspærring til succesfuldt implementering af SLAM-teknologien er kylling-og-æg-problemet, der introduceres af de to påkrævede opgaver. For at kunne kortlægge et miljø skal du kende din orientering og position i den; Disse oplysninger er dog kun hentet fra et eksisterende miljøkort.
Hvordan SLAM virker
SLAM-teknologien overvinder typisk dette komplekse problem med kylling og æg ved at opbygge et eksisterende kort over et miljø ved hjælp af GPS-data. Dette kort raffineres da robotten eller enheden bevæger sig gennem miljøet. Den rigtige udfordring ved teknologien er en af nøjagtigheden. Målinger skal konstant tages som robotten eller enheden bevæger sig gennem rummet, og teknologien skal tage hensyn til "Äúnoise", som introduceres af både enhedens bevægelse og målingens unøjagtighed. Dette gør SLAM teknologi stort set et spørgsmål om måling og matematik.
Måling og matematik
Googles selvkørende bil er et eksempel på måling og matematik i aktion. Bilen tager primært målinger ved hjælp af den takmonterede LIDAR (laserradar) enhed, der kan skabe et 3D-kort af omgivelserne op til 10 gange om et sekund. Denne evalueringsfrekvens er kritisk, da bilen bevæger sig hurtigt. Disse målinger bruges til at udvide de eksisterende GPS-kort, som Google er kendt for at opretholde som en del af sin Google Maps-tjeneste. Aflæsningerne skaber en massiv mængde data, og at generere mening fra disse data til at træffe kørselsbeslutninger er statistikarbejdet. Softwaren på bilen anvender avancerede statistikker, herunder Monte Carlo-modeller og Bayesian-filtre, for at kortlægge miljøet nøjagtigt.
Virkninger for øget virkelighed
Autonome køretøjer er den indlysende primære anvendelse af SLAM-teknologi. Men en mindre indlysende anvendelse kan være i verden af bærbare teknologier og forstørret virkelighed. Selvom Google Glass kan bruge GPS-data til at give brugeren en grov position, kan en lignende fremtidig enhed bruge SLAM-teknologi til at opbygge et langt mere komplekst kort over brugerens miljø. Dette kan indeholde en forståelse af, præcis hvad brugeren kigger på med enheden. Det kunne genkende, hvornår en bruger kigger på et vartegn, butiksfront eller reklame, og bruger disse oplysninger til at give en forstørret virkelighed overlejring. Selvom disse funktioner måske lader langt væk, har et MIT-projekt udviklet et af de første eksempler på en slidbar SLAM-teknologi enhed.
Tech, der forstår rummet
Det var ikke længe siden, at teknologien var en fast, stationær terminal, som vi bruger i vores hjem og kontorer. Nu er teknologien evigt og mobil. Denne tendens er sikker på at fortsætte, da teknologien fortsætter med at miniaturisere og blive forankret i vores daglige aktiviteter. Det er på grund af disse tendenser, at SLAM-teknologien bliver stadig vigtigere. Det vandt ikke lang tid før vi forventer, at vores teknologi ikke kun forstår vores omgivelser, mens vi bevæger os, men også for at lede os igennem vores daglige liv.
