טכנולוגית מיקום ומיפוי סימולטניים (SLAM – Simultaneous Localization And Mapping) נמצאת בשימוש מאז 2013. כיום, אנו יכולים למצוא את הטכנולוגיה הזאת בשימוש בתעשיות שונות.
בראיון שנערך עם Dr. Neil Slatcher מנהל מוצר ראשי בחברת GeoSlam הוא מסביר על טכנולוגיות SLAM, יכולותיה והשימוש בה.
מה זה SLAM?
SLAM נולד מתוך עולם הרובוטיקה בכדי לפתור בעיה מסוימת – יש לי סביבה שלא נסרקה בעבר, אני רוצה ללכת ולסרוק את הסביבה הזו, אבל כדי לסרוק את הסביבה הזו אני צריך לדעת איפה אני נמצא כל הזמן.
SLAM פותר את הבעיה זו בעזרת סט של אלגוריתמים וחיישנים שונים. טכנולוגיה זו נותנת לנו עדכון רציף של היכן אנחנו נמצאים תוך כדי הסריקה שבונה את המפה שנועדה לומר היכן אנו נמצאים – דומה לשאלה מה קדם למה: התרנגולת או הביצה?
האם SLAM נועד רק למדידות וסריקות בתוך המבנה?
לא, זו תפיסה שגויה שנולדה בעקבות הזמינות של חיישנים שהיו לנו כשהשקנו לראשונה את סורק ה-SLAM הידני שלנו. אחד הדברים הגדולים ששינו את אופן העבודה שלנו הוא ההשקעה במכוניות אוטונומיות, שמשתמשות באותם חיישנים שאנו משתמשים ב-SLAM.
קיימת דרישה של חיישני לידאר לטווח ארוך יותר ויותר מכיוון שרכב צריך לראות 100 מטר לפניך כדי לקבל החלטות.
כשהתחלנו לעבוד על מערכות SLAM, החיישנים ארוכי הטווח האלה לא היו קטנים מספיק וחסכוניים כדי שנוכל לקחת ולהשתמש בטכנולוגיית SLAM בחוץ, אז הסורק הראשון נבנה למיפוי טווח קצר בתוך הבית. ככל שהחיישנים הפכו להיות בעלי טווח ארוך יותר, הם יכולים לראות רחוק יותר ועכשיו אנחנו יכולים לקחת את SLAM החוצה ולסרוק סביבות שונות.
![](https://gmxsys.com/wp-content/uploads/2022/08/ZEB-Horizon-outdoor-scaled-1-1024x697.jpg)
מה ההבדל בין SLAM לסריקת לייזר מסורתית?
באופן מסורתי, התשובה תהיה שסורקי לייזר יושבים על חצובה ואתה מזיז אותם כדי ללכוד סריקות מרובות, ואז ממזג אותם. עם SLAM אתה נע ללא הפסקה.
SLAM הוא צעד אבולוציוני מסריקת לייזר נייחת מסורתית. צריך לקחת בחשבון את העלות של סורק לייזר נייח ואת המפעיל המומחה שאתה צריך להשתמש בו לעומת משהו שכל אחד יכול להשתמש בו לאחר 10 דקות של הכשרה ופשרה קטנה ברמת הדיוק. זה לא חייב להיות או/או, חלק מאנשי המקצוע בתעשייה משלבים גם סריקת לייזר נייחת וגם ניידת לתוצאות טובות יותר.
אילו סוגי SLAM קיימים?
אנו מקטלגים SLAM למספר סוגים: כולל שרטט גרף (graph), EFK (extended Kalman Filter) מהיר, טופולוגי, חזותי, לידאר דו ממדי, לידאר תלת מימד ו-ORB.חלק מהפתרונות משתמשים בלידאר כחיישן ראשי, חלקם במצלמה וחלקם שילוב של שניהם. אנחנו פשוט משתמשים בלידאר מכמה סיבות, בעיקר בגלל שהמצלמה רגישה לסביבה. כאשר חשוך או מעונן בחוץ, המצלמה מתפקדת פחות טוב וכך גם ביצועיה.
הבדל נוסף ביניהם הוא באלגוריתמים, כאשר חלקם כתובים בקוד פתוח וזמינים באופן חופשי.
מהו השוק הגדול ביותר עבור SLAM?
תכנון ויצור רובוטים (רובוטיקה) הוא השוק הגדול ביותר. ישנן שתי דרכים עיקריות שבהן אנשים משתמשים ב-SLAM: מיפוי כפי שאנו עושים ומיקום רובוט במרחב.
מכיוון שאנו מבצעים מיפוי, אנו צריכים שתהיה לנו מערכת מאוד מדויקת, מה שאומר שבדרך כלל אנו מבצעים את העיבוד לאחר שלכדנו את הנתונים כדי לשמור על דיוק ממש גבוה.
לרובוט המנווט בסביבה, זה פחות חשוב. רובוט אוסף נתונים צפוף וכשהוא מסיים, הוא צריך להבין במדויק מאוד היכן הוא נמצא.
במסגרת המיפוי, מקרה השימוש הגדול ביותר שלנו הוא סריקות מהירות למבנים כדי להמיר את הנתונים למודל CAD תלת ממדי. אנו רואים גם שימוש רב ב-SLAM באזורים קטנים.
כמה קל השימוש ב-SLAM?
לכידת הנתונים היא ממש פשוטה, המורכבות טמונה במה שאנו רוצים לקבל בסוף התהליך. באיזו תוכנה נשתמש כדי למצוא תוכנית קומה, למשל, או לדעת מה השתנה בסביבה שלנו. העולם נהיה מאוד מורכב עבור אנשים שאינם בקיאים בטכנולוגיה. אנחנו באמת מתמקדים בתוכנה והופכים את זרימות העבודה המסורתיות להרבה יותר קלות.
![](https://gmxsys.com/wp-content/uploads/2022/08/ZEB-Horizon-ZEB-Vision.png)
כיצד התוכנה הפכה את הטכנולוגיה לקשה יותר לשימוש?
תוכנת ה-SLAM שלנו תמיד פשוטה מאוד וידידותית למשתמש. היא יוצרת נתונים תלת ממדיים ומשתמשים היו לוקחים את הנתונים האלה ומכניסים אותם לאפליקציות אחרות.
חלק מהיישומים הללו הפכו למורכבים להפליא. יש הרבה עבודה לעשות מבחינת אוטומציה וזו בעיה מאוד קשה.
אנחנו רואים שימוש הולך וגדל של הרבה אלגוריתמים של בינה מלאכותית (AI) ולמידת מכונה (ML) בתעשייה שלנו עכשיו. הם עובדים טוב מאוד בתנאים מבוקרים ופחות בעולם האמיתי. יש עדיין הרבה עבודה לעשות לטובת פישוט זרימות העבודה של התוכנה וזהו מוקד מרכזי עבורנו ב-GeoSlam. אנו עובדים כעת על פיתוחי תוכנה שיפשטו את זרימות העבודה בפלטפורמת Connect שלנו.
האם התוכנה תהפוך לפשוטה יותר?
זה מוקדם מאוד עבור AI ו-ML ואני חושב שעם הזמן תוכנות ל-SLAM יתפתחו בצורה משמעותית. אבל המשתמשים תמיד יידרשו לבדוק את הנתונים ולאשר תוצאות. כמו בכל דבר, אני חושב ש-70% מהמקרים הפשוטים ייפתרו ו-30% מהחריגים יהיו קשים להפליא.
האם טכנולוגיית SLAM מנוצלת במלוא הפוטנציאל שלה?
היא לא קרובה לפוטנציאל שלה! טכנולוגיה זו מתחילה להיות מאוד מקובלת בתעשיות המדידות והמיפוי, אבל עכשיו אנחנו רואים אותה גם במוצרים יותר ברמת הצרכן. לאייפון יש מערכת SLAM – אבל ברור שהיא לא תהיה מדויקת כמו המערכות שבהן אנו משתמשים.
אנו רואים עלייה מסיבית בשימוש בנתונים תלת ממדיים. זה מונע על ידי כמה דברים, בעיקר העלות של חיישנים. מערכות יכולות לעלות עשרות אלפי דולרים – מדובר בהשקעה לא מבוטלת הדורשת הצדקה עסקית. למרות שההחזר על השקעות אלה הוא לעתים קרובות מהיר.
האם שוק המכוניות האוטונומיות גדול?
אנחנו ב-GeoSlam לא מעורבים בעצמנו בשוק המכוניות האוטונומיות, אבל אחרים משתמשים ב-SLAM כדי למקם את כלי הרכב ולהבין את הסביבה בו הרכב נמצא.
מי עוד לא משתמש ב-SLAM למרות שכדאי לו?
כל מי שצריך מפה מדויקת במהירות צריך להשתמש ב-SLAM. יש עדיין פוטנציאל עצום לעובדים בתחום הכרייה, בנייה ותשתיות, במיוחד סביב השימוש ב-SLAM למעקב אחר ההתקדמות, כמו כן בעלי מקצוע העוסקים בתוכניות קומה. כל מי שיוצר מפה או רוצה להבין איך הסביבה שלו משתנת בתלת מימד צריך להשתמש בטכנולוגיית SLAM כי היא כל כך קלה לשימוש וידידותית למשתמש.
האם כוחות הצלה יכולים להשתמש ב-SLAM למיפוי בזמן אמת?
כן, משטרת ניו זילנד היא אחת הראשונות שהשתמשו ב-SLAM כדי למפות במהירות רבה זירת פשע ולבנות מערך נתונים תלת ממדי.
ראינו את SLAM בשימוש לחקירת תאונות שבה הטכנולוגיה עוזרת בפתיחת כבישים מהר יותר מאשר שיטות סקירה מסורתיות.
מה השימוש החריג ביותר שראית שנעשה עם SLAM?
לטובת פרויקט מחקר סביבתי חוקרים רצו להשתמש ב-SLAM בכדי לבדוק כיצד הרעש שנגרם מאסדות נפט משבש את התקשרות והניווט של הלוויתנים. החוקרים רצו להשתמש בחיישני לייזר בכדי לזהות את הלוויתנים וב-SLAM כדי למפות באופן רציף ושוטף את פני האוקיינוס.
אלו מחסומים עומדים בדרך לאימוץ טכנולוגיית SLAM?
בעיקר, חוסר בתוכנה טובה שמאפשרת לאנשים שאינם מומחים בהסתכלות על נתוני תלת מימד להבין את התוצאות.
גם למסורת יש חלק גדול. תמיד עשינו את זה ככה, למה שנשנה? קשה להציג את הערך העסקי לטכנולוגיות חדשות כי לא בהכרח קיים ערך כזה עדיין.
אנחנו מבינים שאנשים לא רוצים לקחת סיכונים בפרויקטים חשובים וזה מחסום גדול עבורנו. אנו לומדים מהניסיון שלנו עם תעשיות אחרות.
הדברים שאנחנו מיישמים בבנייה עכשיו נולדו מתוך ידע על מה שעשינו בתחום הכרייה במשך שנים. אנחנו יודעים שאנחנו יכולים לעשות את זה, אנחנו יודעים שזה מוסיף ערך ובסופו של דבר, זה שומר על האנשים העובדים בשטח.