സ്പേസ് ഉപയോഗിച്ച് നീക്കാൻ കഴിയുന്ന സാങ്കേതികവിദ്യ
ഗൂഗിളിന്റെ പരീക്ഷണശാല, X ലാബ്സ് എന്നിവയിൽ നിന്ന് ഉയർന്നുവന്ന നിരവധി പദ്ധതികൾ ശാസ്ത്ര ഫിക്ഷനുകൾക്ക് പുറത്തുള്ളതായി തോന്നിയിട്ടുണ്ട്. സാങ്കേതികവിദ്യ ഉപയോഗിച്ച് ലോകത്തെക്കുറിച്ചുള്ള നമ്മുടെ കാഴ്ചപ്പാട് വർദ്ധിപ്പിക്കാൻ കഴിയുന്ന ധരിക്കാവുന്ന കമ്പ്യൂട്ടറുകളുടെ വാഗ്ദാനം ഗൂഗിൾ ഗ്ലാസ് വാഗ്ദാനം ചെയ്യുന്നു. ഗൂഗിൾ ഗ്ലാസിന്റെ യാഥാർത്ഥ്യം പലരും അതിനെക്കാൾ കൂടുതൽ പ്രോത്സാഹജനകമാണ്. എന്നാൽ മറ്റൊരു X ലാബ്സ് പദ്ധതി നിരാശപ്പെടാത്തത് സ്വയം ഡ്രൈവിംഗ് കാർ ആണ്. ഒരു ഡ്രൈവർലെസ് കാറിന്റെ വിസ്മയകരമായ വാഗ്ദാനമാണെങ്കിലും, ഈ വാഹനങ്ങൾ ഒരു യാഥാർത്ഥ്യമാണ്. SLAM ടെക്നോളജി എന്ന സമീപന രീതിയാണിത്.
സ്ലാം: ഒരേസമയത്ത് പ്രാദേശികവും മാപ്പിംഗും
സ്മാൾ ടെക്നോളജി ഒരേസമയം പ്രാദേശികവൽക്കരണത്തിനും മാപ്പിംഗിനും വേണ്ടി നിലകൊള്ളുന്നു. ഒരു റോബോട്ടിന് അല്ലെങ്കിൽ ഉപകരണം അതിന്റെ പരിസരങ്ങളുടെ ഒരു മാപ്പ് സൃഷ്ടിക്കുകയും തൽസമയമായി ഈ മാപ്പിലെ തനിപ്പകർപ്പായി സ്വയം തയ്യാറാക്കുകയും ചെയ്യുന്നു. ഇത് എളുപ്പമുള്ള കാര്യമല്ല, നിലവിൽ സാങ്കേതികവിദ്യ ഗവേഷണത്തിന്റെയും രൂപകൽപ്പനയുടെയും പരിധിയിലാണ്. SLAM ടെക്നോളജി വിജയകരമായി നടപ്പിലാക്കാനുള്ള ഒരു വലിയ റോഡ്ബ്ലോക്ക് രണ്ട് ആവശ്യമായ ചുമതലകൾ കൊണ്ടുവന്ന ചിക്കൻ-ആൻഡ്-മുട്ട പ്രശ്നം ആണ്. ഒരു അന്തരീക്ഷം വിജയകരമായി മാറ്റുവാൻ, അവരുടെ ഉള്ളിത്വത്തെയും സ്ഥാനത്തെയും കുറിച്ച് അറിയണം; എങ്കിലും ഈ വിവരങ്ങൾ പരിസ്ഥിതിയുടെ മുൻപ് നിലവിലുള്ള മാപ്പിൽ നിന്ന് മാത്രമേ നേടൂ.
SLAM എങ്ങനെ പ്രവർത്തിക്കുന്നു?
ജി.പി.എസ് ഡാറ്റ ഉപയോഗിച്ച് ഒരു പരിസ്ഥിതിയുടെ മുൻപുണ്ടായിരുന്ന ഒരു ഭൂപടം നിർമ്മിക്കുന്നതിലൂടെ ഈ സങ്കീർണ്ണമായ ചിക്കൻ-ആൻഡ്-മുട്ട പ്രശ്നം സ്ളാം സാങ്കേതികവിദ്യ സാധാരണഗതിയിൽ ജയിക്കും. റോബോട്ട് അല്ലെങ്കിൽ ഡിവൈസ് പരിസ്ഥിതിയിലൂടെ നീങ്ങുന്നതു പോലെ ഈ മാപ്പ് ആവർത്തിച്ച് പരിഷ്കരിച്ചിരിക്കുന്നു. ഈ സാങ്കേതികവിദ്യയുടെ യഥാർത്ഥ വെല്ലുവിളി, കൃത്യതയാണ്. റോബോട്ടിന്റെയോ ഡിവൈസ് ബഹിരാകാശത്തിലൂടെയും നീങ്ങുന്നതു പോലെ അളവെടുക്കണം. സാങ്കേതികവിദ്യയുടെ ഘടനയും അളവുകോൽ രീതിയുടെ കൃത്യതയുമില്ലാതെ ഈ സാങ്കേതികവിദ്യ "സാങ്കേതികവിദ്യ" കണക്കാക്കുകയും വേണം. ഇത് എസ്.എ.എ.എ. എം സാങ്കേതികവിദ്യയെ ഗണിതത്തെയും ഗണിതത്തെയും ഒരു വിഷയമാക്കി മാറ്റുന്നു.
അളവിലും ഗണിതത്തിലും
ഈ അളവെടുപ്പിനും ഗണിതശാസ്ത്രത്തിനും വേണ്ടിയുള്ള ഒരു ഉദാഹരണം, ഗൂഗിളിന്റെ സ്വയം ഡ്രൈവിംഗ് കാറുകളുടെ നിർവ്വഹണം നോക്കാം . ലഡാർ റഡാർ സമ്പ്രദായത്തിൽ മേൽക്കൂര ഉപയോഗിച്ചുണ്ടാക്കിയ മെഷീൻ ഉപയോഗിച്ച് കാർ ആദ്യം അളവുകൾ എടുക്കുന്നു. 10 ഡിഗ്രി വരെ അതിന്റെ ചുറ്റുപാടിൽ ഒരു 3D മാപ്പ് സൃഷ്ടിക്കാൻ കഴിയും. കാർ വേഗതയിൽ നീങ്ങുന്നതു പോലെ മൂല്യനിർണ്ണയങ്ങളുടെ ഈ ആവൃത്തി ഗുരുതരമാകുന്നു. ഈ അളവുകൾ മുൻപ് നിലവിലുള്ള ജി.പി.എസ് ഭൂപടങ്ങളെ വർദ്ധിപ്പിക്കാൻ ഉപയോഗിക്കുന്നു, ഗൂഗിൾ അതിന്റെ ഗൂഗിൾ മാപ്സ് സേവനത്തിന്റെ ഭാഗമായി സൂക്ഷിക്കാൻ അറിയപ്പെടുന്നതാണ്. വിവരണങ്ങൾ വൻതോതിലുള്ള ഡാറ്റ സൃഷ്ടിക്കുന്നു, ഡ്രൈവിംഗ് തീരുമാനങ്ങൾ എടുക്കാൻ ഈ ഡാറ്റയിൽ നിന്ന് അർത്ഥം സൃഷ്ടിക്കുന്നത് സ്ഥിതിവിവരക്കണക്കുകളുടെ പ്രവർത്തനമാണ്. കാറിനുള്ള സോഫ്റ്റ് വെയർ പരിസ്ഥിതിയുടെ ഭൂപടം കൃത്യമായി മാറിയതിനു മോട്ടോ കാർലോ മോഡലുകളും ബയാസിയൻ ഫിൽട്ടറുകളും ഉൾപ്പെടെ അനേകം നൂതന സ്റ്റാറ്റിസ്റ്റിക്സുകൾ ഉപയോഗിക്കുന്നു.
അഗ്നിമെൻറ് റിയാലിറ്റിയിൽ ഉണ്ടാകുന്ന പ്രത്യാഘാതങ്ങൾ
സ്വയംഭരണ വാഹനങ്ങൾ എന്നത് SLAM സാങ്കേതികവിദ്യയുടെ പ്രാഥമിക പ്രയോഗമാണ്, എന്നാൽ വഞ്ചനാപരമായ സാങ്കേതികവിദ്യകളും വർദ്ധിച്ചുവരുന്ന യാഥാർഥ്യങ്ങളും ലോകത്തിൽ കുറച്ചുകൂടി വ്യക്തമായി ഉപയോഗിക്കാം. ഉപയോക്താവിൻറെ ഒരു പരുക്കൻ സ്ഥാനം ഗൂഗിൾ ഗ്ലാസ് ഉപയോഗിച്ച് ഉപയോഗിക്കാമെങ്കിലും, സമാനമായ ഭാവിയിലെ ഉപകരണം ഉപയോക്താവിൻറെ പരിസ്ഥിതിയുടെ കൂടുതൽ സങ്കീർണ്ണമായ ഭൂപടം നിർമ്മിക്കാൻ SLAM സാങ്കേതികവിദ്യ ഉപയോഗപ്പെടുത്താം. ഉപകരണത്തിൽ ഉപയോക്താവ് നോക്കുന്നത് കൃത്യമായി മനസിലാക്കുന്നത് ഇതിൽ ഉൾപ്പെടുത്താവുന്നതാണ്. ഒരു ഉപയോക്താവ് ഒരു ലാൻഡ്മാർക്ക്, സ്റ്റോൺഫ്രണ്ട്, പരസ്യം എന്നിവയെ നോക്കിക്കാണുകയും അതുവഴി ഒരു ആത്യന്തിക റിയാലിറ്റി ഓവർലേ നൽകുന്നതിന് ആ വിവരം ഉപയോഗിക്കുകയും ചെയ്യുന്നത് തിരിച്ചറിയാൻ കഴിയും. ഈ സവിശേഷതകൾ വളരെ നീണ്ടതാവാൻ സാധ്യതയുണ്ടെങ്കിലും, ഒരു Wearable SLAM സാങ്കേതികവിദ്യ ഉപകരണത്തിന്റെ ആദ്യ ഉദാഹരണങ്ങളിൽ MIT പ്രൊജക്റ്റ് ഒരു വികസിപ്പിച്ചെടുത്തിട്ടുണ്ട്.
സ്പെയ്സ് അണ്ടർസ്റ്റാൻഡ് സ്പേസ്
സാങ്കേതികവിദ്യ ഞങ്ങളുടെ വീടുകളിലും ഓഫീസുകളിലും ഉപയോഗിക്കാൻ കഴിയുന്ന ഒരു നിശ്ചിത സ്റ്റേഷൻ ടെർമിനലായിരിക്കുമെന്ന് വളരെക്കാലം മുമ്പുതന്നെ അത് അറിഞ്ഞിരുന്നില്ല. ഇപ്പോൾ സാങ്കേതികവിദ്യ എല്ലായ്പോഴും നിലനിൽക്കുന്നു, മൊബൈൽ ആണ്. സാങ്കേതികവിദ്യ നമ്മുടെ ദൈനംദിന പ്രവർത്തനങ്ങളിൽ മങ്ങലേറ്റിരിക്കുന്നത് തുടരുകയും തുടരുകയും ചെയ്യുന്നതായി തുടരുന്നതിനുള്ള ഒരു പ്രവണതയാണ് ഇത്. SLAM ടെക്നോളജി കൂടുതൽ പ്രാധാന്യം അർഹിക്കുന്ന ഈ പ്രവണതകൾ മൂലമാണ് ഇത്. നമ്മുടെ സാങ്കേതികവിദ്യ നമ്മുടെ ചുറ്റുപാടുകളെ മനസിലാക്കുന്നതിനു മാത്രമല്ല, ഒരുപക്ഷേ നമ്മുടെ ദൈനംദിന പൈലറ്റുമാരുമൊത്തു നമ്മെ നയിക്കുന്നതാണെന്നും നമുക്ക് പ്രതീക്ഷിക്കാം.