SLAM (método)

SLAM ( localización y mapeo simultáneos -   localización y mapeo simultáneos) es un método utilizado en herramientas autónomas móviles para construir un mapa en un espacio desconocido o para actualizar un mapa en un espacio previamente conocido mientras se monitorea simultáneamente la ubicación actual y la distancia recorrida. Los métodos populares para una solución aproximada de este problema son el filtro de partículas y el filtro de Kalman extendido . Algunas implementaciones del método se utilizan en vehículos no tripulados , aeronaves , vehículos submarinos autónomos, rovers planetarios e incluso dentro del cuerpo humano.

La urgencia del problema radica en que los mapas comúnmente utilizados para los agentes navegantes reflejan básicamente la vista del espacio fijada en el momento de su construcción, y no es en absoluto necesario que la vista del espacio sea la misma en el momento en que se utilizan los mapas. Al mismo tiempo, la complejidad del proceso técnico de determinar la ubicación actual con la construcción simultánea de un mapa preciso se debe a la baja precisión de los instrumentos involucrados en el proceso de cálculo de la ubicación actual. El método de navegación y mapeo simultáneo vincula dos procesos independientes en un ciclo continuo de cálculos secuenciales, con los resultados de un proceso participando en los cálculos de otro proceso.

Los principales enfoques utilizados para implementar la tarea son EKF-SLAM , FastSLAM , DP-SLAM . Para áreas relativamente grandes en estudio, se utilizan sistemas multiagente (este enfoque se utilizó al estudiar la cartografía de Marte por un grupo de robots rover y combinar los mapas estudiados en uno solo).

Puesta en escena formal

La tarea de SLAM es calcular una estimación de la ubicación del agente y un mapa del entorno a partir de una serie de observaciones en un tiempo discreto con un paso de muestreo . Todas las cantidades anteriores son probabilísticas. El objetivo del problema es calcular . La aplicación de la regla de Bayes es la base para actualizar sucesivamente la ubicación posterior dado un mapa y una función de transición :

Del mismo modo, el mapa se puede actualizar secuencialmente:

Al igual que con muchos otros problemas de inferencia, al operar con dos variables probabilísticas, se puede llegar a una solución óptima local aplicando el algoritmo EM .

Construyendo un mapa

La representación estructural del mapa del terreno depende del entorno operativo.

Para seleccionar la mejor implementación de tareas SLAM, se introduce una clasificación condicional de entornos operativos:

• con numerosos puntos de referencia pronunciados (por ejemplo, un campo con arbustos independientes)
• con la ausencia de puntos de referencia pronunciados (por ejemplo, pasillos, habitaciones donde las esquinas pueden actuar como puntos de referencia)

Si no es posible encontrar puntos de referencia en el entorno en estudio, entonces es racional representarlo como una matriz, donde los elementos que reflejan la posición de los obstáculos tienen un valor de 1, y todos los demás tienen un valor de 0. ( Tal representación de mapa se usa, por ejemplo, en el algoritmo DP-SLAM)

En el caso de que haya numerosos puntos de referencia en el área de estudio, el mapa es una matriz de estimaciones de su ubicación. La dimensión de la matriz es , donde  es la dimensión del espacio,  es el número de puntos de referencia.

Para almacenar la estructura de dicho mapa, es más fácil usar una base de datos cartográfica que refleje la posición de los puntos de referencia, sus propiedades y relaciones únicas. La matriz de evaluación del estado del sistema dinámico basada en el filtro de Kalman extendido utiliza exactamente esta versión de la representación del mapa.

Los telémetros láser , los sonares y los sistemas estéreo se utilizan como telémetros . Se pueden utilizar odómetros para determinar el movimiento y la rotación del robot .

Enlaces

• Mapeo SLAM 2D en tiempo real a partir de una imagen estéreo . Archivado el 18 de abril de 2016 en Wayback Machine .
• Mapeo 3D en endocirugía virtual usando el algoritmo SLAM . Archivado el 26 de marzo de 2020 en Wayback Machine .
• DP-SLAM para competiciones Eurobot Archivado el 13 de febrero de 2012 en Wayback Machine .
• [una]
• Curso de conferencias SLAM Archivado el 5 de febrero de 2021 en Wayback Machine .