Home-theater-designers
যুগপৎ স্থানীয়করণ এবং ম্যাপিং (SLAM) সম্ভবত এমন একটি বাক্যাংশ নয় যা আপনি প্রতিদিন ব্যবহার করেন। যাইহোক, বেশ কয়েকটি সাম্প্রতিক শীতল প্রযুক্তিগত বিস্ময় এই প্রক্রিয়াটি তাদের জীবদ্দশায় প্রতি মিলিসেকেন্ড ব্যবহার করে।
SLAM কি? কেন এটা আমাদের দরকার? এবং আপনি এই শীতল প্রযুক্তির কি কথা বলছেন?
কিভাবে বিনামূল্যে প্লেক্স পাস পাবেন
সংক্ষিপ্তসার থেকে বিমূর্ত ধারণা
এখানে আপনার জন্য একটি দ্রুত খেলা। এর মধ্যে কোনটি অন্তর্গত নয়?
- স্ব-চালিত গাড়ি
- বর্ধিত বাস্তবতা অ্যাপ্লিকেশন
- স্বায়ত্তশাসিত বায়ু এবং পানির নিচে যানবাহন
- মিশ্র বাস্তবতা পরিধানযোগ্য
- রুম্বা
আপনি মনে করতে পারেন উত্তরটি সহজেই তালিকার শেষ আইটেম। একভাবে, আপনি সঠিক। অন্য উপায়ে, এটি একটি কৌশল খেলা ছিল কারণ এই সমস্ত আইটেম সম্পর্কিত।
ছবির ক্রেডিট: নাথান ক্রোল/ ফ্লিকার
(খুব শীতল) গেমটির আসল প্রশ্ন হল: এই সমস্ত প্রযুক্তিগুলি কী সম্ভব? উত্তর: যুগপৎ স্থানীয়করণ এবং ম্যাপিং, অথবা SLAM! ঠান্ডা বাচ্চারা যেমন বলে।
একটি সাধারণ অর্থে, SLAM অ্যালগরিদমের উদ্দেশ্য পুনরাবৃত্তি করার জন্য যথেষ্ট সহজ। একটি রোবট তার পরিবেশের মানচিত্র তৈরি করার সময় মহাকাশে তার অবস্থান এবং ওরিয়েন্টেশন (বা ভঙ্গি) অনুমান করতে একই সাথে স্থানীয়করণ এবং ম্যাপিং ব্যবহার করবে। এটি রোবটটিকে সনাক্ত করতে দেয় যে এটি কোথায় এবং কীভাবে কিছু অজানা স্থান দিয়ে চলাচল করতে হয়।
অতএব, হ্যাঁ, এই সব অভিনব-বুদ্ধিমান অ্যালগরিদম বলতে অনুমান অবস্থান। আরেকটি জনপ্রিয় প্রযুক্তি, গ্লোবাল পজিশনিং সিস্টেম (বা জিপিএস) 1990 এর প্রথম উপসাগরীয় যুদ্ধের পর থেকে অবস্থান অনুমান করছে।
SLAM এবং GPS এর মধ্যে পার্থক্য
তাহলে নতুন অ্যালগরিদমের প্রয়োজন কেন? জিপিএসের দুটি সহজাত সমস্যা রয়েছে। প্রথমত, যখন জিপিএস একটি বৈশ্বিক স্কেলের তুলনায় সঠিক, তখন স্পষ্টতা এবং নির্ভুলতা উভয়ই একটি কক্ষ, বা একটি টেবিল, বা একটি ছোট ছেদ সম্পর্কিত আপেক্ষিক স্কেল হ্রাস করে। জিপিএসের এক মিটার পর্যন্ত নির্ভুলতা আছে, কিন্তু সেন্টিমিটার কি? মিলিমিটার?
দ্বিতীয়ত, জিপিএস পানির নিচে ভাল কাজ করে না। ভাল না মানে আমি মোটেও না। একইভাবে, পুরু কংক্রিটের দেয়াল সহ ভবনের ভিতরে কর্মক্ষমতা দাগযুক্ত। অথবা বেসমেন্টে। আপনি ধারণা পান। জিপিএস একটি স্যাটেলাইট ভিত্তিক সিস্টেম, যা শারীরিক সীমাবদ্ধতায় ভুগছে।
সুতরাং SLAM অ্যালগরিদমগুলি আমাদের সর্বাধিক উন্নত গ্যাজেট এবং মেশিনগুলির অবস্থানের একটি উন্নত বোধ প্রদান করে।
এই ডিভাইসগুলিতে ইতিমধ্যে সেন্সর এবং পেরিফেরালগুলির লিটানি রয়েছে। এসএলএএম অ্যালগরিদম কিছু গণিত এবং পরিসংখ্যান ব্যবহার করে যতটা সম্ভব তাদের থেকে ডেটা ব্যবহার করে।
মুরগি নাকি ডিম? অবস্থান বা মানচিত্র?
জটিল জটিলতার উত্তর দিতে গণিত এবং পরিসংখ্যানের প্রয়োজন হয়: অবস্থান কি চারপাশের মানচিত্র তৈরিতে ব্যবহৃত হয় নাকি অবস্থান গণনার জন্য আশেপাশের মানচিত্র ব্যবহার করা হয়?
পরীক্ষার সময়! আপনি একটি অচেনা জায়গায় inter-dimensionally warped হয়। আপনি প্রথম কাজ কি? আতঙ্ক? ঠিক আছে, ভালভাবে শান্ত হও, একটি শ্বাস নিন। আরেকটি নাও. এখন, আপনি দ্বিতীয় কাজটি কি করেন? আশেপাশে তাকান এবং পরিচিত কিছু খুঁজে বের করার চেষ্টা করুন। আপনার বাম দিকে একটি চেয়ার। একটি গাছ আপনার ডানদিকে। আপনার সামনে একটি কফি টেবিল।
পরবর্তীতে, একবার 'আমি কোথায়?' বন্ধ হয়ে যায়, আপনি সরানো শুরু করেন। অপেক্ষা করুন, এই মাত্রায় আন্দোলন কিভাবে কাজ করে? এক ধাপ এগিয়ে যান। চেয়ার এবং উদ্ভিদ ছোট হচ্ছে এবং টেবিল বড় হচ্ছে। এখন, আপনি নিশ্চিত করতে পারেন যে আপনি আসলে এগিয়ে যাচ্ছেন।
কিভাবে ম্যাক থেকে সব বার্তা মুছে ফেলা যায়
পর্যবেক্ষণগুলি এসএলএএম অনুমানের নির্ভুলতা উন্নত করার চাবিকাঠি। নীচের ভিডিওতে, রোবটটি মার্কার থেকে মার্কারে চলে যাওয়ার সাথে সাথে এটি পরিবেশের একটি ভাল মানচিত্র তৈরি করে।
অন্য মাত্রায় ফিরে আসুন, আপনি যত বেশি ঘুরে বেড়াবেন ততই আপনি নিজের দিকে এগিয়ে যাবেন। সব দিকের দিকে পা বাড়ানো নিশ্চিত করে যে এই মাত্রায় চলাচল আপনার বাড়ির মাত্রার অনুরূপ। আপনি ডানদিকে যেতেই, গাছটি বড় হয়ে উঠছে। সহায়কভাবে, আপনি এই নতুন জগতে ল্যান্ডমার্ক হিসাবে চিহ্নিত অন্যান্য জিনিসগুলি দেখেন যা আপনাকে আরও আত্মবিশ্বাসের সাথে ঘুরে বেড়ানোর অনুমতি দেয়।
এটি মূলত SLAM এর প্রক্রিয়া।
প্রক্রিয়ায় ইনপুট
এই অনুমানগুলি করার জন্য, অ্যালগরিদমগুলি বিভিন্ন টুকরা ডেটা ব্যবহার করে যা অভ্যন্তরীণ বা বাহ্যিক হিসাবে শ্রেণীবদ্ধ করা যায়। আপনার আন্ত--মাত্রিক পরিবহন উদাহরণের জন্য (এটি স্বীকার করুন, আপনার একটি মজার ভ্রমণ ছিল), অভ্যন্তরীণ পরিমাপগুলি ধাপ এবং দিকের আকার।
বাহ্যিক পরিমাপ তৈরি করা হয় ইমেজ আকারে। উদ্ভিদ, চেয়ার এবং টেবিলের মতো ল্যান্ডমার্ক চিহ্নিত করা চোখ এবং মস্তিষ্কের জন্য একটি সহজ কাজ। সবচেয়ে শক্তিশালী প্রসেসর --- মানুষের মস্তিষ্ক --- এই ছবিগুলি নিতে সক্ষম হয় এবং কেবল বস্তু সনাক্ত করতে পারে না, সেই বস্তুর দূরত্বও অনুমান করে।
দুর্ভাগ্যবশত (অথবা সৌভাগ্যবশত, স্কাইনেটের আপনার ভয়ের উপর নির্ভর করে), রোবটগুলির একটি প্রসেসর হিসাবে মানুষের মস্তিষ্ক নেই। মেশিনগুলি মস্তিষ্ক হিসাবে মানুষের লিখিত কোড সহ সিলিকন চিপের উপর নির্ভর করে।
অন্যান্য যন্ত্রপাতি বাহ্যিক পরিমাপ করে। পেরিফেরাল যেমন জাইরোস্কোপ বা অন্যান্য ইনটারিয়াল মেজারমেন্ট ইউনিট (আইএমইউ) এটি করতে সহায়ক। স্ব-ড্রাইভিং গাড়ির মতো রোবটগুলি অভ্যন্তরীণ পরিমাপ হিসাবে চাকা অবস্থানের ওডোমেট্রি ব্যবহার করে।
চিত্র ক্রেডিট: জেনিফার মরো/ ফ্লিকার
বাহ্যিকভাবে, একটি স্ব-ড্রাইভিং গাড়ি এবং অন্যান্য রোবটগুলি LIDAR ব্যবহার করে। রাডার কিভাবে রেডিও তরঙ্গ ব্যবহার করে তার অনুরূপ, LIDAR দূরত্ব চিহ্নিত করতে হালকা ডাল প্রতিফলিত করে। ব্যবহৃত আলো সাধারণত অতিবেগুনী বা ইনফ্রারেডের কাছাকাছি, ইনফ্রারেড ডেপথ সেন্সরের অনুরূপ।
LIDAR একটি অত্যন্ত উচ্চ সংজ্ঞা ত্রিমাত্রিক বিন্দু মেঘ মানচিত্র তৈরি করতে প্রতি সেকেন্ডে কয়েক হাজার ডাল পাঠায়। সুতরাং, হ্যাঁ, পরের বার যখন টেসলা অটোপাইলটে ঘুরবে, এটি আপনাকে লেজার দিয়ে গুলি করবে। অনেকবার।
উপরন্তু, SLAM অ্যালগরিদম একটি বহিরাগত পরিমাপ হিসাবে স্থির চিত্র এবং কম্পিউটার দৃষ্টি কৌশল ব্যবহার করে। এটি একটি একক ক্যামেরা দিয়ে সম্পন্ন করা হয়, কিন্তু একটি স্টিরিও জোড়া দিয়ে আরও নির্ভুল করা যায়।
ব্ল্যাক বক্সের ভিতরে
অভ্যন্তরীণ পরিমাপ আনুমানিক অবস্থান আপডেট করবে, যা বহিরাগত মানচিত্র আপডেট করতে ব্যবহার করা যেতে পারে। বাহ্যিক পরিমাপ আনুমানিক মানচিত্র আপডেট করবে, যা অবস্থান আপডেট করতে ব্যবহার করা যেতে পারে। আপনি এটি একটি অনুমান সমস্যা হিসাবে ভাবতে পারেন, এবং ধারণাটি সর্বোত্তম সমাধান খুঁজে বের করা।
এটি করার একটি সাধারণ উপায় হল সম্ভাবনার মাধ্যমে। বায়েসিয়ান পরিসংখ্যানগত অনুমান ব্যবহার করে একটি কণা ফিল্টার আনুমানিক অবস্থান এবং ম্যাপিংয়ের মতো কৌশল।
একটি কণা ফিল্টার একটি গাউসিয়ান বিতরণ দ্বারা ছড়িয়ে একটি নির্দিষ্ট সংখ্যক কণা ব্যবহার করে। প্রতিটি কণা রোবটের বর্তমান অবস্থান 'ভবিষ্যদ্বাণী' করে। প্রতিটি কণার জন্য একটি সম্ভাব্যতা নির্ধারিত হয়। সমস্ত কণা একই সম্ভাবনা দিয়ে শুরু হয়।
যখন পরিমাপ করা হয় যা একে অপরকে নিশ্চিত করে (যেমন ধাপ এগিয়ে = টেবিল বড় হচ্ছে), তখন তাদের অবস্থানে 'সঠিক' কণাগুলিকে ক্রমবর্ধমান ভাল সম্ভাবনা দেওয়া হয়। যে কণাগুলি বন্ধ রয়েছে সেগুলিকে কম সম্ভাব্যতা দেওয়া হয়।
রোবট যত বেশি ল্যান্ডমার্ক চিহ্নিত করতে পারে ততই ভালো। ল্যান্ডমার্কগুলি অ্যালগরিদমকে প্রতিক্রিয়া প্রদান করে এবং আরও সুনির্দিষ্ট গণনার অনুমতি দেয়।
SLAM অ্যালগরিদম ব্যবহার করে বর্তমান অ্যাপ্লিকেশন
আসুন এটিকে ভেঙে ফেলি, প্রযুক্তির শীতল টুকরা প্রযুক্তির দ্বারা।
স্বায়ত্তশাসিত পানির নিচে যানবাহন (AUVs)
মানহীন সাবমেরিনগুলি SLAM কৌশল ব্যবহার করে স্বায়ত্তশাসিতভাবে কাজ করতে পারে। একটি অভ্যন্তরীণ IMU তিনটি দিকের ত্বরণ এবং গতি তথ্য প্রদান করে। উপরন্তু, AUVs গভীরতার অনুমানের জন্য নিচের দিকে সোনার ব্যবহার করে। সাইড স্ক্যান সোনার সমুদ্রের তলচিত্র তৈরি করে, যার পরিধি কয়েকশো মিটার।
ইমেজ ক্রেডিট: ফ্লোরিডা সি গ্রান্ট/ ফ্লিকার
মিশ্র বাস্তবতা পরিধানযোগ্য
মাইক্রোসফট এবং ম্যাজিক লিপ পরিধানযোগ্য চশমা তৈরি করেছে যা মিশ্র বাস্তবতা অ্যাপ্লিকেশনগুলি প্রবর্তন করে। এই পরিধানযোগ্য জিনিসগুলির জন্য অবস্থান অনুমান করা এবং একটি মানচিত্র তৈরি করা অত্যন্ত গুরুত্বপূর্ণ। ডিভাইসগুলি প্রকৃত বস্তুর উপরে ভার্চুয়াল বস্তু স্থাপন করতে এবং তাদের একে অপরের সাথে যোগাযোগ করতে মানচিত্র ব্যবহার করে।
কিভাবে একটি আয় বিবৃতি তৈরি করতে হয়
যেহেতু এই পরিধানযোগ্য জিনিসগুলি ছোট, সেগুলি LIDAR বা সোনার মতো বড় পেরিফেরাল ব্যবহার করতে পারে না। পরিবর্তে, ছোট ইনফ্রারেড গভীরতা সেন্সর এবং বাহ্যিক মুখোমুখি ক্যামেরা একটি পরিবেশ ম্যাপ করতে ব্যবহৃত হয়।
স্ব-চালিত গাড়ি
পরিধানযোগ্য সামগ্রীর তুলনায় স্বায়ত্তশাসিত গাড়িগুলির কিছুটা সুবিধা রয়েছে। অনেক বড় শারীরিক আকারের সাথে, গাড়িগুলি বড় কম্পিউটার ধরে রাখতে পারে এবং অভ্যন্তরীণ এবং বাহ্যিক পরিমাপের জন্য আরও বেশি পেরিফেরাল থাকতে পারে। অনেক উপায়ে, স্ব-চালিত গাড়িগুলি সফ্টওয়্যার এবং হার্ডওয়্যার উভয় ক্ষেত্রেই প্রযুক্তির ভবিষ্যতের প্রতিনিধিত্ব করে।
SLAM প্রযুক্তি উন্নতি করছে
SLAM প্রযুক্তি বিভিন্ন উপায়ে ব্যবহৃত হচ্ছে, এটি নিখুঁত হওয়ার আগে এটি কেবল সময়ের ব্যাপার। একবার স্ব-চালিত গাড়ি (এবং অন্যান্য যানবাহন) দৈনিক ভিত্তিতে দেখা গেলে, আপনি জানতে পারবেন যে একই সাথে স্থানীয়করণ এবং ম্যাপিং প্রত্যেকের ব্যবহারের জন্য প্রস্তুত।
সেলফ ড্রাইভিং প্রযুক্তি প্রতিদিন উন্নত হচ্ছে। আরো জানতে চান? সেল-ড্রাইভিং গাড়ি কীভাবে কাজ করে সে সম্পর্কে MakeUseOf- এর বিস্তারিত বিশ্লেষণ দেখুন। হ্যাকাররা কীভাবে সংযুক্ত গাড়িগুলিকে টার্গেট করছে সে বিষয়ে আপনিও আগ্রহী হতে পারেন।
ইমেজ ক্রেডিট: chesky_w/ আমানত ছবি
শেয়ার করুন শেয়ার করুন টুইট ইমেইল অ্যান্ড্রয়েডে গুগলের অন্তর্নির্মিত বুদ্বুদ স্তরটি কীভাবে অ্যাক্সেস করবেনআপনার যদি কখনও নিশ্চিত করতে হয় যে কিছু চিম্টিতে সমান, আপনি এখন কয়েক সেকেন্ডের মধ্যে আপনার ফোনে একটি বুদ্বুদ স্তর পেতে পারেন।
পরবর্তী পড়ুন সম্পর্কিত বিষয়- প্রযুক্তি ব্যাখ্যা করা হয়েছে
- স্বয়ংচালিত প্রযুক্তি
- কৃত্রিম বুদ্ধিমত্তা
- স্ব-চালিত গাড়ি
- স্ল্যাম
টম ফ্লোরিডা থেকে একজন সফটওয়্যার ইঞ্জিনিয়ার (চিৎকার করে ফ্লোরিডা ম্যান) লেখার প্রতি আগ্রহ, কলেজ ফুটবল (গো গেটরস!), ক্রসফিট এবং অক্সফোর্ড কমা।
টম জনসেনের কাছ থেকে আরোআমাদের নিউজলেটার সদস্যতা
প্রযুক্তি টিপস, রিভিউ, ফ্রি ইবুক এবং এক্সক্লুসিভ ডিলের জন্য আমাদের নিউজলেটারে যোগ দিন!
সাবস্ক্রাইব করতে এখানে ক্লিক করুন