Mi az a SLAM?

A világ fontosabb kutatóműhelyeiben immáron három évtizede intenzíven foglalkoznak azzal a folyamattal, amely során robotok vizuális, lézer- és hangérzékelőkkel feltérképezik környezetüket, s ezzel egyidőben meghatározzák térbeli pozíciójukat. Az izgalmas szakterület neve Szimultán Lokalizáció és Feltérképezés (Simultaneous Localisation and Mapping, SLAM). A problémát különböző megközelítésekkel, szenzorokkal, változatos módon létrehozott és modellezett érzékelőeszközökkel, eltérő környezetekben kivitelezett tesztek sokaságával, algoritmusok tömegével igyekeztek – és igyekeznek ma is – megoldani. Az algoritmusok sokszínűsége azt is jelenti, hogy az egyik ilyen és ilyen környezethez és alkalmazáshoz, a másik másféléhez, a harmadik megint máshoz passzol jobban, míg bizonyos esetekben kifejezetten rosszul teljesít. Ráadásul olyan hatékony módszer sem létezik, amellyel össze lehetne hasonlítani őket.

A robotfejlesztők két megoldás közül választhatnak: vagy szinte a semmiből hoznak létre SLAM algoritmust, vagy a már létezők valamelyikét próbálják saját masinájukhoz, a számára kiszabott feladatokhoz igazítani.

Algoritmusok dzsungelében

Eddig legalábbis így volt. Egy európai uniós (német, olasz és spanyol egyetemeken folyó) projekt a probléma megoldását ígéri. SLAM megközelítéseket és algoritmusokat (a szakterület története során első alkalommal) sikeresen összehasonlító egyedi teljesítményvizsgáló (benchmarking) programcsomagon dolgoznak.

„A SLAM azért az autonóm robotok egyik fontos építőkockája, mert az olyan gépeket, mint például az űrjárókat és a tengeralatti kutatóegységeket előzőleg nem lehetett pontos térképpel ellátni” – véli a Rawseeds projektet vezető milánói Matteo Matteucci. – „Ezekben a helyzetekben a környezet reprezentációjának elkészítése az egyetlen megoldás: menet közben saját maguk határozzák meg, hogy hol vannak. Nincs más lehetőségük.”

Első körben vizuális, lézer és hangszenzorok különböző típusait magába foglaló robotikai tesztplatformot alakítottak ki, amit az érzékelők szinkronizált adatainak összegyűjtésére használták fel. Utána a platformot változatos belső és külső helyszíneken állították működésbe. Gyakran módosítottak a körülményeken: fényviszonyokon, tárgyak mozgásán, jelenlévő személyek számán.

„Az volt a célunk, hogy az alkalmazott módszerekben és szenzorokban igencsak különböző SLAM algoritmusokra előre definiált egységes mérési módszert alakítsunk ki, egy olyan teljesítményvizsgálót, amellyel összehasonlíthatók lesznek ezek az algoritmusok” – magyarázza Matteucci.

Jövőbeni teljesítményvizsgáló programok

A fél gigabájtnál nagyobb programcsomag ingyen hozzáférhető a projekt honlapján. A kutatók szerint a közeljövőben hasonlók várhatók. Az autonóm robotok, robotrendszerek más jellemzőit fogják vizsgálni velük: navigációt, végtagok mozgását, tárgyak megragadását stb. Bíznak benne, hogy eredményeik ösztönzőleg hatnak a fejlesztésekre – kevesebb időráfordítással dolgoznak ki jobb algoritmusokat, új platformokat és (leginkább) a maiaknál eszesebb robotokat.

(kf)