Banyak proyek yang muncul dari bengkel eksperimental Google, X Labs, sepertinya benar dari fiksi ilmiah. Google Glass menawarkan janji komputer dpt dipakai yang menambah pandangan kita tentang dunia dengan teknologi, tetapi realitas Google Glass belum memenuhi janjinya. Proyek X Labs lain yang belum dikecewakan adalah mobil self-driving. Meskipun janji fantastis dari mobil tanpa pengemudi, kendaraan ini adalah kenyataan. Pencapaian luar biasa ini bergantung pada teknologi SLAM.
SLAM: Pelokalan dan Pemetaan Bersamaan
SLAM adalah akronim untuk lokalisasi dan pemetaan secara bersamaan, teknologi di mana robot atau perangkat dapat membuat peta lingkungannya dan menyesuaikan dirinya dengan benar dalam peta secara real time. Ini bukan tugas yang mudah, dan saat ini ada di perbatasan penelitian dan desain teknologi. Penghalang besar untuk menerapkan teknologi SLAM dengan sukses adalah masalah ayam dan telur yang diperkenalkan oleh dua tugas yang diperlukan. Untuk berhasil memetakan lingkungan, Anda harus tahu orientasi dan posisi Anda di dalamnya; namun, informasi ini hanya diperoleh dari peta lingkungan yang sudah ada sebelumnya.
Bagaimana SLAM Bekerja
Teknologi SLAM biasanya mengatasi masalah ayam-dan-telur yang rumit ini dengan membangun peta lingkungan yang sudah ada sebelumnya menggunakan data GPS. Peta ini kemudian disempurnakan ketika robot atau perangkat bergerak melalui lingkungan. Tantangan sejati teknologi adalah salah satu ketepatan. Pengukuran harus selalu dilakukan ketika robot atau perangkat bergerak melalui ruang, dan teknologi harus memperhitungkan “noise” yang diperkenalkan oleh pergerakan perangkat dan ketidaktepatan metode pengukuran. Ini membuat teknologi SLAM sebagian besar masalah pengukuran dan matematika.
Pengukuran dan Matematika
Mobil self-driving Google adalah contoh pengukuran dan aksi matematika. Mobil ini terutama melakukan pengukuran menggunakan Rakitan LIDAR (radar laser) yang dipasang di atap, yang dapat membuat peta 3D sekitarnya hingga 10 kali per detik. Frekuensi evaluasi ini sangat penting ketika mobil bergerak dengan kecepatan. Pengukuran ini digunakan untuk menambah peta GPS yang sudah ada sebelumnya, yang dikenal Google sebagai bagian dari layanan Google Maps-nya. Pembacaan membuat sejumlah besar data, dan menghasilkan makna dari data ini untuk membuat keputusan mengemudi adalah pekerjaan statistik. Perangkat lunak pada mobil menggunakan statistik canggih, termasuk model Monte Carlo dan filter Bayesian untuk memetakan lingkungan secara akurat.
Implikasi untuk Augmented Reality
Kendaraan otonom adalah aplikasi utama yang jelas dari teknologi SLAM. Namun, penggunaan yang kurang jelas mungkin ada di dunia teknologi yang dapat dikenakan dan augmented reality. Sementara Google Glass dapat menggunakan data GPS untuk memberikan posisi kasar pengguna, perangkat masa depan yang sama dapat menggunakan teknologi SLAM untuk membangun peta lingkungan pengguna yang jauh lebih rumit. Ini dapat mencakup pemahaman tentang apa tepatnya yang dilihat pengguna dengan perangkat. Itu bisa mengenali ketika pengguna melihat tengara, etalase, atau iklan, dan menggunakan informasi itu untuk memberikan overlay realitas yang ditambah. Meskipun fitur ini mungkin terdengar jauh, proyek MIT telah mengembangkan salah satu contoh pertama dari perangkat teknologi SLAM yang dapat dikenakan.
Teknologi yang Memahami Ruang
Belum lama ini teknologi merupakan terminal stasioner tetap yang kami gunakan di rumah dan kantor kami. Sekarang teknologi selalu hadir dan mobile. Tren ini pasti akan berlanjut seiring dengan teknologi yang terus mengecil dan menjadi terjalin dalam aktivitas sehari-hari. Karena tren ini, teknologi SLAM menjadi semakin penting. Tidak akan lama sebelum kita mengharapkan teknologi kita untuk tidak hanya memahami lingkungan kita saat kita bergerak tetapi juga untuk mengujicoba kita melalui kehidupan sehari-hari kita.
