スペースを移動できる技術
Googleの実験的なワークショップであるX Labsから出てきたプロジェクトの多くは、SF小説のように思えました。 Google Glassは、ウェアラブルコンピュータの約束を提供し、技術を使って世界中の視野を広げます。 しかし、Google Glassの現実は、多くの人がその約束よりも懐古的であると考えられています。 しかし、失望していない別のX Labsプロジェクトは、自家用車です。 運転手のない車の幻想的な約束にもかかわらず、これらの車は現実のものです。 この目覚しい成果は、SLAM技術と呼ばれる手法によってもたらされます。
SLAM：同時ローカリゼーションとマッピング
SLAM技術は、同時ローカライゼーションとマッピング、つまりロボットやデバイスがその周辺の地図を作成し、リアルタイムでこのマップ内で適切に向き合えるプロセスを表します。 これは簡単な作業ではなく、現在は技術の研究と設計の最前線に存在しています。 SLAM技術をうまく実装するための大きな障害は、2つの必要なタスクによって導入された鶏と卵の問題です。 環境を正常にマップするには、環境内での向きと位置を知っていなければなりません。 この情報は、環境の既存のマップからのみ得られます。
SLAMのしくみ
SLAM技術は、GPSデータを使用して環境の既存マップを構築することによって、この複雑な鶏卵の問題を一般的に克服します。 このマップは、ロボットまたはデバイスが環境内を移動するにつれ、繰り返し洗練されます。 この技術の真の課題は、正確さの1つです。 ロボットやデバイスが空間を移動する際には常に測定が行われなければならず、技術はデバイスの動きと測定方法の不正確さの両方によって導入される「ノイズ」を考慮する必要があります。 これにより、SLAM技術は主に測定と数学の問題となる。
測定と数学
この測定と数学の実際の例は、 Googleの自家用車の実装を見ることができます。 車は主に屋根に取り付けられたLIDAR（レーザーレーダー）アセンブリを使用して測定を行い、周囲の3Dマップを1秒間に最大10回作成することができます。 この評価の頻度は、車が高速で動くときに重要です。 これらの測定値は、既存のGPS地図を補強するために使用されます。Google MapsはGoogle Mapsサービスの一部として維持管理されています。 読み値は大量のデータを生成し、このデータから意味を生成して運転意思決定を行うことが統計の作業です。 自動車のソフトウェアは、モンテカルロモデルやベイジアンフィルタを含む高度な統計情報を使用して、環境を正確にマップします。
拡張現実への含意
Autonomous VehicleはSLAMテクノロジの主要なアプリケーションではありますが、ウェアラブルテクノロジや拡張現実の世界ではあまり使用されない可能性があります。 Google GlassはGPSデータを使用してユーザーの大まかな位置を把握できますが、同様の将来のデバイスではSLAM技術を使用して、ユーザー環境の地図をもっと複雑にすることができます。 これには、ユーザーがデバイスで何を見ているかを正確に理解することが含まれます。 ユーザーがランドマーク、店頭、または広告を見ているときを認識し、その情報を使用して拡張リアリティオーバーレイを提供することができます。 これらの機能は遠くに聞こえるかもしれませんが、MITプロジェクトはウェアラブルSLAM技術デバイスの最初の例の1つを開発しました。
スペースを理解する技術
昔、技術は家庭やオフィスで使用する固定された固定端末であると想定されていませんでした。 現在、技術は常に存在し、モバイルです。 これはテクノロジーが小型化を続け、日々の活動に絡み合っていくにつれて確実に続く傾向です。 これらの傾向のために、SLAM技術はますます重要になるでしょう。 私たちの技術が、私たちが移動するにつれて私たちの環境を理解するだけでなく、私たちの日々の生活を通して私たちを巡り巡らすことを期待するまでには、それほど時間はかかりません。