Un ampio gruppo di ricercatori dell'Imperial College di Londra, dell'Università di Edimburgo, dell'Università di Manchester e della Stanford University hanno recentemente collaborato a un progetto per esplorare l'applicazione di strumenti di localizzazione e mappatura in tempo reale per robotica, veicoli autonomi, realtà virtuale (VR ) e realtà aumentata (AR).
"L'obiettivo del nostro lavoro era di riunire ricercatori esperti di computer vision, hardware e comunità di compilatori per costruire sistemi futuri per robotica, VR / AR e Internet of Things (IoT)", hanno detto i ricercatori a Tech Xplore in una e-mail. "Volevamo costruire robusti sistemi di visione per computer che fossero in grado di percepire il mondo a un budget molto basso ma con la precisione desiderata, siamo interessati alla percezione per metrica di Joule".
I ricercatori coinvolti nel progetto hanno unito le loro competenze e competenze per assemblare algoritmi, architetture, strumenti e software necessari per fornire SLAM. Le loro scoperte potrebbero aiutare coloro che applicano SLAM in una varietà di campi per selezionare e configurare algoritmi e hardware in grado di raggiungere livelli ottimali di prestazioni, accuratezza e consumo energetico.
Gli algoritmi SLAM sono metodi che possono costruire o aggiornare una mappa di un ambiente sconosciuto tenendo traccia della posizione di un particolare agente al suo interno. Questa tecnologia può avere applicazioni utili in numerosi campi, ad esempio nello sviluppo di veicoli autonomi, robotica, VR e AR.
"La nostra ricerca sta già avendo un impatto su molti campi come la robotica, VR / AR e IoT, dove le macchine sono sempre attive e sono in grado di comunicare ed eseguire i loro compiti con ragionevole accuratezza, senza interruzioni, con un consumo energetico molto ridotto, "hanno detto i ricercatori.
Questo progetto completo ha portato a numerosi risultati importanti e allo sviluppo di nuovi strumenti che potrebbero in gran parte facilitare l'implementazione di SLAM in robotica, VR, AR e veicoli autonomi.
Lo studio ha anche apportato una serie di contributi nel contesto della progettazione hardware, ad esempio, sviluppando strumenti di profiling per individuare e valutare i colli di bottiglia delle prestazioni in applicazioni native e gestite. I ricercatori hanno presentato un flusso di lavoro completo per la creazione di hardware per applicazioni di visione artificiale, che potrebbe essere applicato a piattaforme future.
Gli array di processori e sensori di piano focale (FPSP) sono sistemi di elaborazione paralleli, in cui ciascun pixel ha un elemento di elaborazione.





