SLAM, VSLAM là gì, có tác dụng như thế nào với robot hút bụi?

Đặng Xuân Kỳ
09:38 06/01/2020

Đã có nhiều model robot hút bụi được quảng cáo là sử dụng camera điều hướng với thuật toán VSLAM (Visual simultaneous localization and mapping - Định vị và lập bản đồ trực quan thời gian thực). Nhưng không nhiều người thực sự hiểu các công nghệ với thuật ngữ này có ý nghĩa như thế nào tới khả năng hoạt động của robot hút bụi.

Hiện nay, SLAM đang nhanh chóng trở thành một ứng dụng tiến bộ khoa học quan trọng và có thể sử dụng cho nhiều sản phẩm công nghệ khác nhau.

Dù Visual SLAM không đề cập tới bất kỳ thuật toán nào. Nó đề cập đến quá trình xác định vị trí và hướng của cảm biến đối với môi trường xung quanh, đồng thời lập bản đồ môi trường xung quanh cảm biến đó.

Có một số loại công nghệ SLAM khác nhau, một số trong đó không liên quan đến máy ảnh camera. Visual SLAM là một loại hệ thống SLAM cụ thể tận dụng tầm nhìn 3D (camera) để thực hiện các chức năng định vị và ánh xạ khi không biết môi trường cũng như vị trí của cảm biến. Công nghệ Visual SLAM có nhiều dạng khác nhau, nhưng khái niệm tổng thể hoạt động theo cùng một cách trong tất cả các hệ thống VSLAM này.

Tại sao cần VSLAM

Để tái tạo môi trường vào bộ nhớ và chip xử lý, robot phải có thông tin từ các cảm biến ngoại vi và nội vi, vậy nhưng hầu như mọi cảm biến đều bị ảnh hưởng bởi nhiễu và khả năng của chúng có hạn. Ngoài các cảm biến hồng ngoại, có những cảm biến khác nhau được sử dụng như Sonar, Laser, Camera, GPS... hạn chế của các thiết bị cảm biến trên là mức giá quá đắt và cồng kềnh do trang bị nhiều thiết bị phụ trợ. GPS thì không thể hoạt động được ngay cả khi ở trong nhà, hệ thống thuần thuật toán SLAM thì sẽ gặp lỗi khi hoạt động trong môi trường động hoặc môi trường có phạm vi diện tích quá lớn, có quá nhiều vật cản...

Điều này khiến cho việc ứng dụng riêng các cảm biến vào thực tế trở nên rất khó khăn.

Lúc này, các ý tưởng nâng cao độ chính xác của SLAM bằng cách kết hợp thông tin từ các cảm biến được nảy ra, tuy nhiên, vấn đề khó nhất vẫn là kinh phí, giá cả, trong khi mục tiêu hướng tới lớn nhất của các nhà sản xuất lại là một sản phẩm tốt, giá rẻ, như một xu hướng tất yếu của thị trường. Và vì vậy, các nhà nghiên cứu đã hướng tới việc chỉ sử dụng camera mà vẫn có thể xây dựng được một mô hình SLAM đủ tốt. Nghĩa là việc ứng dụng những kiến thức trong lĩnh vực thị giác máy tính nhằm xử lý hình ảnh thu được từ camera, đây là một thách thức lớn, đòi hỏi lượng chất xám nghiên cứu cao hơn nhiều, dù rằng chi phí vật tư lại rẻ hơn. Điều này cũng lý giải vì sao các model sử dụng VSLAM với camera điều hướng, vốn đang có giá thành cao từ lượng chất xám nghiên cứu, lại đang dần dần rẻ hơn so với thời gian đầu các robot thuần cảm biến hoặc thuần SLAM được tung ra, dù khả năng xử lý của VSLAM vượt trội hơn.

Công nghệ VSLAM xử lý hình ảnh thị giác

Công nghệ VSLAM giúp xử lý hình ảnh thị giác

Zen-P VSLAM - thổi bùng kích thích tại CES 2020

CES luôn là sân khấu công nghệ hàng đầu toàn thế giới, cùng với IFA tại Berlin, đây là nơi các doanh nghiệp, nhà máy, các đơn vị nghiên cứu tung ra các sản phẩm, công nghệ mà họ đã dày công nghiên cứu và tự hào.

Tâm điểm về robot hút bụi năm nay của CES chính là Module Deep Learning Zen-P VSLAM của Bot3.

Zen-P VSLAM Bot3

Chip xử lý thuật toán VSLAM

Được giới thiệu có thể tích hợp với tất cả các loại robot để cung cấp khả năng tạo lập bản đồ trong nhà, định vị và điều hướng tự động mà không cần theo dõi, cùng với đó là công nghệ Deep Learning giúp robot có khả năng tự nhận thức và học tập, giúp điều hướng thông minh hơn, cùng với khả năng học và xử lý điện toán hình ảnh.

Module sẽ có thể được sử dụng cho mục đích thương mại, với các sản phẩm hướng tới là robot hút bụi, robot công nghiệp được sử dụng trong dây chuyền sản xuất và lắp ráp sản phẩm, và robot dịch vụ trong các bệnh viện, khách sạn và nhà hàng.

VSLAM cho phép người dùng lập kế hoạch nhiệm vụ cho robot hoàn thành hoặc ra lệnh cho robot của họ di chuyển từ vị trí này sang vị trí khác trong thời gian thực, hoặc đến một vị trí được cài đặt sẵn.

Cốt lõi của công nghệ còn cho phép robot xác định vị trí của nó, từ đó xác định nơi sẽ đến và xác định đi đường nào thì phù hợp. Công nghệ này yêu cầu rất nhiều về khả năng xử lý hình ảnh và thiết lập tuyến đường phù hợp, đặc biệt là trong bệnh viện hoặc khách sạn, những nơi có mật độ di chuyển lớn.

Công nghệ của Module Zen-P VSLAM Bot3

VSLAM sử dụng camera trực quan hóa trần nhà như một chùm điểm, giúp robot thông qua các thuật toán, trí tuệ nhân tạo (AI) và dự đoán tiếng ồn, cho phép robot điều hướng mà không bị lạc. Bot3 đã giới thiệu các tính năng nâng cao:

+ Bản đồ hóa ánh xạ thời gian thực:

Hình ảnh đa khung được sử dụng để ước tính vị trí và khoảng cách của một đối tượng, cung cấp các thông tin định vị chính xác và đáng tin cậy hơn cho dữ liệu đám mây.

+ Trích xuất tính năng đa chiều:

Sử dụng kết hợp với các mô hình 3D, công nghệ này cho phép cải thiện tính ổn định và độ chính xác của VSLAM.

+ Mô hình 3D thời gian thực:

Robot sẽ xử lý các hình ảnh chụp được và xây dựng mô hình đối tượng theo thời gian thực.

+ AI học có chọn lọc và bù đắp khuyết điểm về ánh sáng:

Máy có khả năng học tập để bù đắp lại các khó khăn từ môi trường trong nhà đầy phức tạp và thuật toán ánh sáng cho phép robot làm việc trong nhiều điều kiện ánh sáng khác nhau hơn.

+ Định vị chính xác hơn:

Robot có thể xác định chính xác vị trí cuối cùng của mình khi bị nhấc đi, bị tắt hoặc khởi động lại đột ngột.

Module Deep Learning Zen-P VSLAM của Bot3 trao quyền nhiều hơn cho robot, giúp chúng cần ít tới sự điều chỉnh của con người hơn, thực hiện các công việc đòi hỏi phải tăng cường nhận thức và điều hướng không gian một cách linh hoạt hơn.

Dù đây mới chỉ là thông tin rò rỉ ra nhằm nhá hàng của Bot3, nhưng những thông tin này đã và đang làm sôi sục các diễn đàn công nghệ thế giới và nhận được sự quan tâm rất nhiều từ những ai yêu thích công nghệ AI, đặc biệt là công nghệ xử lý thị giác bằng camera.

Xuân Kỳ, DiLife Việt Nam

Tài liệu tham khảo: Công trình nghiên cứu khoa học Situations in Construction of 3D Mapping for Slam

Gửi ý kiến của bạn cho chúng tôi

ĐĂNG KÝ

popup

Số lượng:

Tổng tiền: