อัลกอริทึม SLAM จัดการกับสภาพแวดล้อมที่เปลี่ยนแปลงอย่างไร

ฉันกำลังทำพื้นฐานสำหรับโครงการและฉันมีคำถามเกี่ยวกับสถานะปัจจุบันของเทคนิคสแลม

เมื่ออุปกรณ์ที่ติดตั้ง SLAM ตรวจจับวัตถุตำแหน่งของวัตถุนั้นจะถูกเก็บไว้ หากคุณดูที่จุดที่เมฆกำลังสร้างอุปกรณ์คุณจะเห็นจุดสำหรับวัตถุนี้และรูปแบบที่สร้างจากมันจะรวมถึงรูปทรงเรขาคณิตที่นี่

หากวัตถุถูกวางไว้ในพื้นที่ว่างก่อนหน้านี้มันจะถูกตรวจจับและมีการเพิ่มคะแนน รุ่นที่ตามมาจะมีรูปทรงเรขาคณิตอธิบายวัตถุใหม่นี้

อุปกรณ์จะตอบสนองอย่างไรถ้าวัตถุนั้นถูกลบ? เท่าที่ฉันได้เห็นระบบ SLAM จะมีแนวโน้มที่จะออกจากจุดที่อยู่ในสถานที่ส่งผลให้รูปทรง "ผี" มีอัลกอริธึมที่จะมองข้ามจุดโดดเดี่ยวที่เกิดจากหน้าสัมผัสชั่วคราว แต่วัตถุที่ยังคงอยู่นานพอที่จะสร้างแบบจำลองที่มั่นคงจะยังคงอยู่ในหน่วยความจำของอุปกรณ์ มีระบบใดบ้างที่สามารถตรวจจับได้ว่าพื้นที่ว่างก่อนหน้านี้ว่างเปล่าหรือไม่?

นั่นขึ้นอยู่กับว่า เนื่องจาก SLAM เป็นปัญหา (หรืออย่างน้อยเทคนิค) ไม่ใช่วิธีการแก้ปัญหาจึงไม่มีขั้นตอนวิธี SLAM ที่ชัดเจน คุณต้องตัดสินใจว่าจะเกิดอะไรขึ้นกับ "แผนที่" ของสภาพแวดล้อมและกำหนดว่าอัลกอริทึมของคุณควรจัดการสัญญาณชั่วคราว แต่นั่นเป็นการพูดนอกเรื่อง

แผนที่ถาวร:

แผนที่ถาวรควรมีข้อมูลเพียงพอที่จะ จำกัด วงของคุณเองด้วยความเคารพต่อรูปทรงเรขาคณิตที่รู้จัก มักใช้ในอาคาร โดยทั่วไปมนุษย์อ่านได้ ดูงานของ Willow-Garage หรืออะไรก็ตามที่ Thrun ในตำราเรียนที่โด่งดังของเขา ถ้าคุณทำแผนที่นี้หายคุณจะต้องสร้างมันขึ้นมาใหม่เมื่อเวลาผ่านไป

1. การลบวัตถุ ใช่วัตถุจะปรากฏในแผนที่แบบคงที่สักครั้ง หากไม่มีมาตรการในการลบวัตถุที่ตรวจพบก่อนหน้านี้มันจะยังคงอยู่ การแสดงตามกริด 2D ทั่วไปจะใช้แต่ละเซลล์กริดเพื่อแสดงความน่าจะเป็นของวัตถุดังนั้นหลังจากเวลาที่วัตถุจะ "จาง"

2. การเพิ่มวัตถุ เช่นเดียวกับข้างต้น

แผนที่ท้องถิ่น:

ในความเป็นจริง SLAM มักจะใช้เพื่อ จำกัด วงของหุ่นยนต์ในขณะที่เคลื่อนไหวและแผนที่จะไม่ถูกเก็บถาวร (หรือจะถูกเก็บไว้อย่างถาวร แต่จะใช้เฉพาะคุณลักษณะ Y ที่ใกล้เคียงที่สุด) แผนที่ท้องถิ่นเป็นสิ่งที่หุ่นยนต์จำเป็นต้องรู้เพื่อกำหนดว่ามันเคลื่อนที่อย่างไรในช่วง X นาทีสุดท้ายโดยที่ X ขึ้นอยู่กับแอปพลิเคชัน หากคุณทำแผนที่หายคุณยังสามารถบินได้ด้วยการใช้ฟีเจอร์ที่อยู่ในสายตาตอนนี้

1. วิธีการแบทช์เช่นการปรับบันเดิลโดยใช้คุณสมบัติการมองเห็นเป็นเทคนิคทั่วไปในทิศทางนี้ อาจมีการเก็บคุณสมบัติไว้ตามเวลาและแม้กระทั่งเข้ามาอีกครั้ง แต่คุณลักษณะการย้ายเป็นเพียงคุณลักษณะที่ไม่น่าเชื่อถือและจะถูกเพิกเฉยเมื่อพยายามคิดว่าหุ่นยนต์อยู่ที่ไหน

2. Visual Slam ตรงนี้ มันเป็นตัวประมาณเดลต้า -P (การเปลี่ยนแปลงในท่าทาง) ไม่ใช่อัลกอริทึมการโลคัลไลเซชันตามแผนที่

3. กล่าวโดยย่อตราบใดที่สิ่งต่าง ๆ ส่วนใหญ่ไม่เคลื่อนไหวในปัจจุบันมันไม่สำคัญว่าคุณจะเอาวัตถุออกเมื่อหุ่นยนต์ไม่ "มอง" ที่มัน

ตัวอย่าง

ทำเช่นนี้ เมื่อคุณอ่านกระดาษ SLAM ให้ตัดสินใจดังนี้:

1. พวกเขาสร้างแผนที่จริงเหรอ?

2. พวกเขาเป็นเพียงแค่การเก็บรายการคุณสมบัติและสถานที่?

3. ถ้าเป็นเช่นนั้น "คุณสมบัติ" ไปในแผนที่? เส้นจุดคุณสมบัติภาพ?

4. คุณลักษณะเหล่านี้มีแนวโน้มที่จะย้ายหรือไม่

5. ถ้าเป็นเช่นนั้นพวกเขาจะจัดการกับสิ่งนั้นได้อย่างไร

6. ในที่สุดเสียงเซ็นเซอร์มักจะ "ดูเหมือน" เหมือนคุณสมบัติที่เคลื่อนไหว พวกเขาจัดการกับเสียงของเซ็นเซอร์อย่างไร เพราะสิ่งนี้มักจะกำหนดสิ่งที่เกิดขึ้นกับคุณสมบัติการย้าย

คุณจะได้รับคำตอบที่แตกต่างกันสำหรับกระดาษ / ผู้แต่ง / หนังสือ / ใบสมัครแต่ละใบ กล่าวโดยทั่วไปพวกเขาจะถูกละไว้เนื่องจากไม่ช่วยให้หุ่นยนต์ จำกัด มากและสามารถหลีกเลี่ยงได้โดยการวางแผนเส้นทางระดับต่ำเพียงไม่กี่ที่เท่านั้นที่ใช้ข้อมูลท้องถิ่น

โชคดีที่สแลมเป็นหัวข้อใหญ่