បច្ចេកវិទ្យាដែលអាចផ្លាស់ទីបានតាមរយៈអវកាស
គម្រោងជាច្រើនដែលបានចេញមកពីសិក្ខាសាលាពិសោធន៍របស់ Google គឺ X Labs ហាក់ដូចជាត្រឹមត្រូវក្នុងការប្រឌិតវិទ្យាសាស្រ្ត។ Google Glass ផ្តល់ជូននូវការសន្យានៃកុំព្យូទ័រដែលអាចពាក់បានដែលនឹងពង្រីកទិដ្ឋភាពរបស់យើងលើពិភពលោកដោយប្រើបច្ចេកវិទ្យា។ ទោះជាយ៉ាងណាក៏ដោយការពិតនៃ Google Glass ត្រូវបានមនុស្សជាច្រើនចាត់ទុកថាមានភាពប្រសើរជាងការសន្យារបស់ខ្លួន។ ប៉ុន្តែគម្រោង X Labs ផ្សេងទៀតដែលមិនមានការខកចិត្តគឺជារថយន្តបើកបរខ្លួនឯង។ បើទោះបីជាការសន្យាដ៏អស្ចារ្យនៃរថយន្តគ្មានអ្នកបើកបររថយន្តទាំងនេះគឺជាការពិត។ សមិទ្ធផលដ៏គួរឱ្យកត់សម្គាល់នេះត្រូវបានជំរុញដោយវិធីសាស្រ្តមួយដែលគេហៅថាបច្ចេកវិទ្យារបស់ SLAM ។
SLAM: ការធ្វើមូលដ្ឋានីយកម្មនិងផែនទីពេលវេលាដំណាលគ្នា
បច្ចេកវិទ្យា SLAM តំណាងឱ្យការធ្វើមូលដ្ឋានីយកម្មនិងការធ្វើផែនទីជាបន្តបន្ទាប់ដំណើរការដែលមនុស្សយន្តឬឧបករណ៍មួយអាចបង្កើតផែនទីនៃបរិវេណរបស់ខ្លួននិងតម្រង់ទិសដោយខ្លួនវាអោយបានត្រឹមត្រូវនៅក្នុងផែនទីនេះក្នុងពេលដ៏ពិតប្រាកដ។ នេះមិនមែនជាការងារងាយស្រួលនោះទេហើយបច្ចុប្បន្នវាមាននៅតាមព្រំដែននៃការស្រាវជ្រាវនិងរចនាបច្ចេកវិទ្យា។ ឧបសគ្គធំមួយក្នុងការអនុវត្ដបច្ចេកវិទ្យា SLAM ដោយជោគជ័យគឺជាបញ្ហាសាច់មាន់និងពងមាន់ដែលត្រូវបានណែនាំដោយភារកិច្ចចាំបាច់ពីរ។ ដើម្បីទទួលបានជោគជ័យក្នុងការផ្គូផ្គងបរិស្ថានមួយត្រូវតែដឹងពីទិសនិងទីតាំងរបស់ពួកគេនៅក្នុងវា។ ទោះជាយ៉ាងណាព័ត៌មាននេះត្រូវបានទទួលបានតែពីផែនទីដែលមានស្រាប់ពីបរិស្ថានប៉ុណ្ណោះ។
តើ SLAM មានដំណើរការយ៉ាងដូចម្តេច?
បច្ចេកវិទ្យា SLAM ជាទូទៅយកឈ្នះលើបញ្ហាសាច់មាន់និងពង្សស្មុគស្មាញនេះដោយបង្កើតផែនទីដែលមានស្រាប់ពីបរិស្ថានដោយប្រើទិន្នន័យ GPS ។ ផែនទីនេះត្រូវបានធ្វើឱ្យប្រសើរឡើងវិញនៅពេលដែលរ៉ូបូតឬឧបករណ៍ចល័តឆ្លងកាត់បរិយាកាស។ ឧបសគ្គពិតនៃបច្ចេកវិទ្យានេះគឺជាភាពត្រឹមត្រូវមួយ។ ការវាស់វែងត្រូវធ្វើជានិច្ចនៅពេលដែលមនុស្សយន្តរឺឧបករណ៍ចល័តឆ្លងកាត់អវកាសហើយបច្ចេកវិទ្យាត្រូវតែគិតគូរ "សំលេងរំខាន" ដែលត្រូវបានណែនាំដោយចលនារបស់ឧបករណ៍និងភាពមិនត្រឹមត្រូវនៃវិធីវាស់។ នេះធ្វើឱ្យបច្ចេកវិទ្យា SLAM ជាផ្នែកមួយនៃការវាស់វែងនិងគណិតវិទ្យា។
រង្វាស់និងគណិតវិទ្យា
ឧទាហរណ៏នៃការវាស់វែងនិងគណិតវិទ្យានេះនៅក្នុងសកម្មភាពមួយអាចមើលទៅការអនុវត្តនៃ រថយន្តបើកបរដោយខ្លួនឯងរបស់ Google ។ រថយន្តនេះត្រូវការការវាស់ស្ទង់ដោយប្រើដំបូលភ្ជាប់ LIDAR (រ៉ាដាឡាស៊ែរ) ដែលអាចបង្កើតផែនទី 3D នៃបរិយាកាសរបស់វារហូតដល់ 10 ដងក្នុងមួយវិនាទី។ ភាពញឹកញាប់នៃការវាយតម្លៃនេះគឺមានសារៈសំខាន់ខណៈពេលដែលរថយន្តផ្លាស់ទីនៅល្បឿន។ ការវាស់វែងទាំងនេះត្រូវបានប្រើដើម្បីបន្ថែមផែនទី GPS ដែលមានស្រាប់ដែល Google ត្រូវបានគេស្គាល់ថាជាផ្នែកមួយនៃសេវាកម្មផែនទីរបស់ Google ។ ការអានបង្កើតទិន្នន័យមួយដ៏ធំហើយបង្កើតអត្ថន័យពីទិន្នន័យនេះដើម្បីធ្វើឱ្យការសម្រេចចិត្តក្នុងការបើកបរគឺជាការងារនៃស្ថិតិ។ កម្មវិធីនៅលើឡានប្រើចំនួននៃស្ថិតិកម្រិតខ្ពស់រួមទាំងគំរូ Monte Carlo និងតម្រង Bayesian ដើម្បីផ្គូរផ្គងបរិស្ថាន។
ផលប៉ះពាល់លើការពិតដែលបានបង្កើន
រថយន្តស្វយ័តគឺជាកម្មវិធីចម្បងជាក់ស្តែងនៃបច្ចេកវិទ្យា SLAM ទោះយ៉ាងណាការប្រើប្រាស់មិនសូវច្បាស់អាចមាននៅក្នុងពិភពបច្ចេកវិទ្យាដែលអាចពាក់រឹមបាននិងការពិតបានកើនឡើង។ ខណៈពេលដែល Google Glass អាចប្រើទិន្នន័យ GPS ដើម្បីផ្តល់ទីតាំងលំបាករបស់អ្នកប្រើឧបករណ៍អនាគតស្រដៀងគ្នាអាចប្រើបច្ចេកវិទ្យារបស់ SLAM ដើម្បីបង្កើតផែនទីស្មុគស្មាញនៃបរិស្ថានអ្នកប្រើ។ នេះអាចរួមបញ្ចូលទាំងការយល់ដឹងយ៉ាងច្បាស់អំពីអ្វីដែលអ្នកប្រើប្រាស់កំពុងមើលជាមួយឧបករណ៍។ វាអាចដឹងនៅពេលដែលអ្នកប្រើកំពុងមើលទីតាំងសម្គាល់កន្លែងលក់ឬការផ្សាយពាណិជ្ជកម្មហើយប្រើព័ត៌មាននោះដើម្បីផ្តល់នូវភាពជាក់ស្តែងដែលបានបន្ថែម។ ខណៈពេលដែលលក្ខណៈពិសេសទាំងនេះអាចបង្ហាញពីចម្ងាយឆ្ងាយគម្រោង MIT បានបង្កើតនូវគំរូដំបូងនៃឧបករណ៍បច្ចេកវិទ្យា SLAM អាចពាក់បាន។
បច្ចេកវិទ្យាដែលយល់ពីអវកាស
វាមិនយូរប៉ុន្មានទេថាបច្ចេកវិទ្យាត្រូវបានគេសន្មត់ថាជាស្ថានីយ៍ស្ថានីយ៍ស្ថានីយ៍ដែលយើងនឹងប្រើនៅក្នុងផ្ទះនិងការិយាល័យរបស់យើង។ ឥឡូវនេះបច្ចេកវិទ្យាគឺមិនធ្លាប់មាននិងចល័ត។ នេះគឺជានិន្នាការមួយដែលត្រូវប្រាកដថានឹងបន្តខណៈដែលបច្ចេកវិទ្យានៅតែបន្តតូចនិងក្លាយជាសកម្មភាពក្នុងសកម្មភាពប្រចាំថ្ងៃរបស់យើង។ វាគឺដោយសារតែនិន្នាការទាំងនេះដែលបច្ចេកវិទ្យា SLAM នឹងក្លាយជាមានសារៈសំខាន់កាន់តែខ្លាំងឡើង។ វានឹងមិនយូរទេមុនពេលយើងរំពឹងថាបច្ចេកទេសរបស់យើងនឹងមិនត្រឹមតែយល់អំពីបរិស្ថានជុំវិញយើងទេតែយើងប្រហែលជាអាចសាកល្បងជីវិតរបស់យើងរាល់ថ្ងៃ។