Mnogi od projekata koji su izašli iz Googleove eksperimentalne radionice, X Labs, činili su se pravom iz znanstvene fantastike. Google Glass ponudio je obećanje nosivih računala koja tehnologijom dopunjuju naš pogled na svijet, ali stvarnost Google Glassa nije ispunila svoja obećanja. Još jedan projekt X Labs koji nije razočaran je auto-vozilo. Unatoč fantastičnom obećanju automobila bez vozača, ta vozila su stvarnost. Ovaj izvanredan uspjeh ovisi o SLAM tehnologiji.
SLAM: simultano lociranje i mapiranje
SLAM je kratica za simultano lociranje i mapiranje, tehnologiju pomoću koje robot ili uređaj mogu stvoriti kartu svoje okoline i ispravno orijentirati unutar karte u stvarnom vremenu. Ovo nije lak zadatak, a trenutno postoji na granicama tehnološkog istraživanja i dizajna. Velika zapreka za uspješno primjenu SLAM tehnologije je problem pilića i jaja uveden dvama potrebnim zadacima. Da biste uspješno mapirali okruženje, morate znati svoju orijentaciju i poziciju unutar njega; međutim, te informacije dobivaju samo iz prethodne mape okoliša.
Kako funkcionira SLAM
SLAM tehnologija obično nadilazi ovaj složeni problem kokoši i jaja izgradnjom već postojeće mape okruženja pomoću GPS podataka. Ta je karta tada rafinirana kada se robot ili uređaj kreću kroz okoliš. Pravi izazov tehnologije je točnost. Mjerenja se stalno moraju poduzeti dok se robot ili uređaj kreće kroz prostor, a tehnologija mora uzeti u obzir i "pokretanje", koje se uvodi i pokretom uređaja i netočnosti metode mjerenja. To čini SLAM tehnologiju u velikoj mjeri stvar mjerenja i matematike.
Mjerenje i matematika
Googleov auto-driving car je primjer mjerenja i matematike u akciji. Automobil prvenstveno traži mjerenja pomoću sklopa LIDAR (laserskog radara) na krovu koji može stvoriti 3D kartu svoje okoline do 10 puta u sekundi. Ta je učestalost procjene ključna kad se automobil kreće brzinom. Ta se mjerenja koriste za povećanje već postojećih GPS karata, koje Google zna za održavanje kao dio svoje usluge Google Maps. Čitanja stvaraju ogromnu količinu podataka, a stvaranje značenja iz tih podataka za donošenje odluka o vožnji djelo je statističkih podataka. Softver na automobilu koristi napredne statistike, uključujući modele Monte Carlo i Bayesianove filtre kako bi točno okružio okoliš.
Implikacije za povećanu stvarnost
Autonomna vozila očita su primarna primjena SLAM tehnologije. Međutim, manje očita upotreba može biti u svijetu nosivih tehnologija i povećane stvarnosti. Dok Google Glass može koristiti GPS podatke kako bi pružio grubu poziciju korisnika, sličan budući uređaj mogao bi upotrijebiti SLAM tehnologiju kako bi izgradio mnogo složeniju mapu korisnika okruženja. To može uključivati razumijevanje upravo onoga što korisnik gleda s uređajem. Moglo bi prepoznati kada korisnik pregleda orijentir, trgovinu ili oglas, te upotrijebiti te informacije kako bi pružio prošireni izgled za stvarnost. Premda se te značajke mogu zvučati daleko, MIT projekt je razvio jedan od prvih primjera uređaja koji se može nositi s SLAM tehnologijom.
Tehnika koja razumije prostor
Nedavno je tehnologija bila fiksni, stacionarni terminal koji koristimo u našim domovima i uredima. Sada je tehnologija uvijek prisutna i mobilna. Taj će trend biti siguran i dalje kako se tehnologija nastavlja minijaturirati i postati povezana s našim svakodnevnim aktivnostima. Upravo zbog tih trendova SLAM tehnologija postaje sve važnija. Bilo bi dugo prije nego što očekujemo da naša tehnologija ne samo da razumije našu okolinu dok mi se kretamo, već i da nas pilotiram kroz naše svakodnevne živote.
