SLAM एल्गोरिदम बदलते परिवेश को कैसे संभालते हैं?


13

मैं एक परियोजना के लिए कुछ जमीनी कार्य कर रहा हूं, और मेरे पास SLAM तकनीकों की वर्तमान स्थिति के बारे में एक प्रश्न है।

जब एक SLAM से लैस डिवाइस किसी ऑब्जेक्ट का पता लगाता है, तो उस ऑब्जेक्ट की स्थिति संग्रहीत होती है। यदि आप उस बिंदु क्लाउड को देखते हैं जिसे डिवाइस जनरेट कर रहा है, तो आपको इस ऑब्जेक्ट के लिए पॉइंट दिखाई देंगे, और इससे उत्पन्न मॉडल यहाँ ज्यामिति को शामिल करेंगे।

यदि कोई ऑब्जेक्ट पहले से खाली जगह में रखा गया है, तो इसका पता लगाया जाता है, और अंक जोड़े जाते हैं। बाद के मॉडल में इस नई वस्तु का वर्णन करने वाली ज्यामिति होगी।

यदि वह ऑब्जेक्ट हटा दिया जाता है तो डिवाइस कैसे प्रतिक्रिया करता है? जहाँ तक मैंने देखा है, SLAM सिस्टम अंकों को जगह पर छोड़ने की कोशिश करेंगे, जिसके परिणामस्वरूप "भूत" ज्यामिति होगी। ऐसे एल्गोरिदम हैं जो क्षणिक संपर्कों के कारण एकाकी बिंदुओं की अवहेलना करेंगे, लेकिन एक ठोस मॉडल बनाने के लिए लंबे समय तक बने रहने वाले ऑब्जेक्ट डिवाइस की मेमोरी में बने रहेंगे। क्या ऐसी कोई प्रणाली है जो यह पता लगाने में सक्षम है कि पहले से व्यस्त जगह अब खाली है?


इस सवाल का मशीन लर्निंग से कोई लेना-देना नहीं है।
जोश वेंडर हुक

शायद नहीं; मुझे 100% यकीन नहीं था कि कौन से टैग फिट होंगे। मेरे मन में जो एप्लिकेशन है वह उचित प्रतीत हुआ, लेकिन शायद उस संदर्भ के बिना यह कम लागू होता है ...
anaximander

जवाबों:


5

वह बहुत कुछ निर्भर करता है। चूंकि SLAM एक समस्या है (या कम से कम एक तकनीक), समाधान नहीं, कोई निश्चित SLAM एल्गोरिथ्म नहीं है। शब्दार्थ, आपको यह तय करना होगा कि पर्यावरण के "मानचित्र" पर क्या चलता है, और यह निर्धारित करता है कि आपके एल्गोरिथ्म को क्षणिक (उर्फ चलती) संकेतों को कैसे संभालना चाहिए। लेकिन यह एक विषयांतर है।

स्थायी नक्शे:

स्थायी मानचित्र में ज्ञात ज्यामिति के संबंध में खुद को स्थानीय बनाने के लिए पर्याप्त जानकारी होनी चाहिए। आमतौर पर इमारतों में इस्तेमाल किया जाता है। आमतौर पर मानव-पठनीय। विलो-गैराज का काम देखें। या थ्रुन द्वारा अपनी प्रसिद्ध पाठ्यपुस्तक में कुछ भी। यदि आप इस मानचित्र को खो देते हैं, तो आपको इसे समय के साथ फिर से बनाना होगा।

  1. वस्तुओं को हटाना। हां, वस्तु एक स्थिर मानचित्र में कुछ समय के लिए दिखाई देगी। यदि पहले से पता की गई वस्तुओं को हटाने के लिए कोई उपाय नहीं किए जाते हैं, तो यह बनी रहेगी। एक सामान्य 2D ग्रिड-आधारित प्रतिनिधित्व प्रत्येक ग्रिड सेल का उपयोग किसी ऑब्जेक्ट की संभावना का प्रतिनिधित्व करने के लिए करेगा, इसलिए समय के बाद ऑब्जेक्ट "फीका" होगा।

  2. वस्तुओं को जोड़ना। ऊपर की तरह।

स्थानीय नक्शे:

वास्तव में, SLAM का उपयोग आमतौर पर एक रोबोट को स्थानीयकृत करने के लिए किया जाता है क्योंकि यह चलता है, और मानचित्र को स्थायी रूप से नहीं रखा जाता है (या, इसे स्थायी रूप से रखा जाता है, लेकिन केवल निकटतम वाई सुविधाओं का उपयोग किया जाता है)। स्थानीय मानचित्र वे हैं जो रोबोट को यह निर्धारित करने के लिए जानने की जरूरत है कि यह अंतिम X मिनट में कैसे चला गया, जहां X आवेदन पर निर्भर करता है। यदि आप मानचित्र खो देते हैं, तो आप अभी भी जो भी सुविधाएँ दृष्टि में हैं उनका उपयोग करके अभी भी ठीक उड़ सकते हैं।

  1. इस दिशा में बंड तरीके जैसे बंडल एडजस्टमेंट इस दिशा में एक बहुत ही सामान्य तकनीक है। सुविधाओं को समय के साथ रखा जा सकता है, और यहां तक ​​कि उनका पुनरीक्षण भी किया जा सकता है, लेकिन एक चलती विशेषता सिर्फ एक अविश्वसनीय विशेषता है, और यह पता लगाने की कोशिश की जाएगी कि रोबोट कहां है।

  2. दृश्य SLAM यह बिल्कुल है। यह एक डेल्टा-पी (मुद्रा में परिवर्तन) अनुमानक है, न कि मानचित्र-आधारित स्थानीयकरण एल्गोरिदम।

  3. संक्षेप में, जब तक कि ज्यादातर चीजें वर्तमान में नहीं चल रही हैं, तब कोई फर्क नहीं पड़ता जब आप किसी ऑब्जेक्ट को हटाते हैं जब रोबोट उस पर "नहीं" देख रहा हो।

उदाहरण

तो यह करो। जब आप एक SLAM पेपर पढ़ते हैं, तो निम्नलिखित निर्णय लें:

  1. क्या वे वास्तव में एक नक्शा बना रहे हैं?

  2. क्या वे केवल सुविधाओं और स्थानों की सूची रख रहे हैं?

  3. यदि हां, तो क्या "सुविधाएँ" मानचित्र में जाती हैं? लाइन्स, पॉइंट्स, विजुअल फीचर्स?

  4. क्या इन सुविधाओं को स्थानांतरित करने की संभावना है?

  5. यदि हां, तो वे इसे कैसे संभाल सकते हैं?

  6. अंत में, सेंसर शोर अक्सर चलती सुविधाओं की तरह "दिखता है"। वे सेंसर शोर को कैसे संभालते हैं? क्योंकि यह अक्सर यह निर्धारित करेगा कि चलती विशेषताओं में क्या होता है।

आपको प्रत्येक पेपर / लेखक / पुस्तक / आवेदन के लिए एक अलग उत्तर मिलेगा। संक्षेप में, वे आमतौर पर छोड़े जाते हैं क्योंकि वे रोबोट को स्थानीय बनाने में मदद नहीं करते हैं, और केवल कुछ निम्न-स्तरीय पथ योजनाकार होने से बचा जा सकता है जो केवल स्थानीय जानकारी का उपयोग करता है।

सौभाग्य, स्लैम एक बहुत बड़ा विषय है।


धन्यवाद! क्या आप ऐसी किसी तकनीक के बारे में जानते हैं जो वस्तुओं को "अधिग्रहित" और "खो" गई हो? मैं SLAM- प्रकार के एल्गोरिदम के सबसेट के अनुप्रयोगों को देख रहा हूं और ब्याज का एक क्षेत्र "संक्रमण" क्षेत्रों की पहचान है जैसे कि दरवाजे और घिरे कोने जहां वस्तुएं दिखाई दे सकती हैं। यह एप्लिकेशन सामान्य लुप्त होती संभावना मीट्रिक को उसके सिर पर बदल देता है - दृष्टि से बाहर होने पर वस्तुओं को "फीका" होने के बजाय, अप्राप्य क्षेत्र धीरे-धीरे उनके मूल्य को बढ़ाने के लिए संकेत देते हैं कि हम नहीं जानते कि यहाँ क्या है क्योंकि हमने हाल ही में नहीं देखा है, इसलिए हम इस अंतरिक्ष में जाते समय सतर्क रहना चाहिए।
anaximander

रास्ता कठिन। इसे सही ढंग से करने का एकमात्र तरीका वस्तुओं की विशिष्ट पहचान करना है। जैसे, उन पर बारकोड लगाना। अन्यथा ऑब्जेक्ट A स्थान B पर चला गया हो सकता है, या शायद A और B स्वैप किया गया है, आदि शब्दार्थ मैपिंग पर पढ़ें। आपको एक एल्गोरिथ्म की आवश्यकता है जो "पहचान" कर सकता है कि चलती चीजें वास्तव में "दरवाजे" हैं जो "दीवारों" से जुड़ी होनी चाहिए, लेकिन केवल जब मैं "अंदर" होऊंगा, लेकिन वैसे भी "रोबोट के अंदर" का क्या मतलब है? मुझे लगता है कि आपको अधिक पढ़ना चाहिए और वापस रिपोर्ट करना चाहिए।
जोश वेंडर हुक

हाँ, यहाँ पर विचार यह है कि "यह एक ऐसा क्षेत्र है जहाँ मैं उन चीज़ों को देखता रहता हूँ, जो पहले नहीं थीं, या उन चीज़ों को देखने के लिए नहीं छोड़ता था"। संभावना है, यह क्षेत्र किसी प्रकार का संक्रमण है - दरवाजा, बॉक्स, खिड़की, घिरे कोने। हम जिन लोगों के साथ काम कर रहे हैं, उनमें से कम महत्वपूर्ण है; यह पूरी तरह से टकराव से बचने के लिए है, इसलिए हम इन सभी क्षेत्रों से बचना चाहते हैं। इसी तरह, हमें यह जानने की ज़रूरत नहीं है कि कौन सी वस्तु है; केवल यह कि स्टफ द्वारा कब्जा की जा रही अंतरिक्ष की समग्र मात्रा में एक महत्वपूर्ण बदलाव है।
anaximander

समीक्षा। साहित्य। इस तरह की समस्या ए) स्टफ हिलने से पैदा होती है। बी) रोबोट हिल रहा है। ग) रोबोट खो रहा है। डी) गलत नक्शे। उन 4 चीजों में से प्रत्येक में 4 अलग-अलग सही समाधान हैं। यदि आप सभी 4 को नहीं संभालते हैं, तो आप पूरी तरह से गलत नक्शे बनाएंगे। यही कारण है कि SLAM हल नहीं है, और अभी भी कठिन है। ऊपर पढ़ें और जो आपने सीखा है उससे संबंधित विशिष्ट प्रश्नों के साथ वापस आएं।
जोश वेंडर हुक

1
वही मैं कर रहा हूँ; जितना अधिक मैं पढ़ता हूं, पढ़ने के लिए मेरी चीजों की सूची लंबी होती जाती है! यह मेरे पढ़ने से उठे कई सवालों में से पहला था। टिप्पणियों में कुछ हद तक इस सवाल का विस्तार करने के लिए माफी; मुझे बहुत अधिक प्रतिक्रिया नहीं मिल रही है, और एसएलएएम इतना बड़ा विषय है ... आपको पता लग रहा था कि आप किस बारे में बात कर रहे हैं इसलिए मुझे उम्मीद थी कि मुझे कुछ संकेत मिल सकते हैं। मेरी सूची में सेमैटिक मैपिंग के पेपर हैं, लेकिन कुछ अन्य हैं जिनकी मुझे एक नींव के रूप में पढ़ने की आवश्यकता है ... वैसे भी, मुझे लगता है कि यह अब के लिए पढ़ने पर वापस आ गया है।
anaximander
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.