Een grote groep onderzoekers van Imperial College London, de University of Edinburgh, de University of Manchester en Stanford University hebben recent samengewerkt aan een project dat de toepassing van real-time lokalisatie- en kaartgereedschappen voor robotica, autonome voertuigen, virtual reality (VR) onderzoekt ) en augmented reality (AR).
"Het doel van ons werk was om ervaren onderzoekers uit computervisie-, hardware- en compilergemeenschappen bij elkaar te brengen om toekomstige systemen voor robotica, VR / AR en het Internet of Things (IoT) te bouwen," vertelden de onderzoekers Tech Xplore in een e-mail. "We wilden robuuste computervisiesystemen bouwen die in staat zijn om de wereld waar te nemen met een zeer laag stroombudget, maar met de gewenste nauwkeurigheid, we zijn geïnteresseerd in de perceptie per Joule-metriek."
De onderzoekers die bij het project betrokken waren, combineerden hun vaardigheden en expertise om algoritmen, architecturen, tools en software samen te stellen die nodig zijn om SLAM te leveren. Hun bevindingen kunnen degenen die SLAM toepassen op verschillende gebieden helpen bij het selecteren en configureren van algoritmen en hardware die optimale niveaus van prestaties, nauwkeurigheid en energieverbruik kunnen bereiken.
SLAM-algoritmen zijn methoden die een kaart van een onbekende omgeving kunnen construeren of bijwerken terwijl de locatie van een bepaalde agent erin wordt bijgehouden. Deze technologie kan nuttige toepassingen hebben op een aantal gebieden, bijvoorbeeld in de ontwikkeling van autonome voertuigen, robotica, VR en AR.
"Ons onderzoek heeft al invloed op vele gebieden, zoals robotica, VR / AR en IoT, waar machines altijd actief zijn en in staat zijn om te communiceren en hun taken met redelijke nauwkeurigheid, zonder onderbrekingen en met zeer weinig stroomverbruik uit te voeren, "zeiden de onderzoekers.
Dit uitgebreide project heeft geleid tot een aantal belangrijke bevindingen en tot de ontwikkeling van nieuwe tools die de implementatie van SLAM in robotica, VR, AR en autonome voertuigen grotendeels zouden kunnen vergemakkelijken.
De studie leverde ook een aantal bijdragen in de context van hardwareontwerp, bijvoorbeeld het ontwikkelen van profileergereedschappen om prestatiebottlenecks in zowel native als beheerde applicaties op te sporen en te evalueren. De onderzoekers presenteerden een volledige workflow voor het maken van hardware voor computervisie-applicaties, die kunnen worden toegepast op toekomstige platforms.
Focal-plane Sensor-Processor Arrays (FPSP's) zijn parallelle verwerkingssystemen, waarbij elke pixel een verwerkingselement heeft.