Muitos dos projetos que surgiram do workshop experimental do Google, o X Labs, parecem ter saído da ficção científica. O Google Glass ofereceu a promessa de computadores portáteis que aumentaram nossa visão do mundo com tecnologia, mas a realidade do Google Glass não cumpriu sua promessa. Outro projeto do X Labs que não decepcionou é o carro autônomo. Apesar da promessa fantástica de um carro sem motorista, esses veículos são uma realidade. Essa conquista notável depende da tecnologia SLAM.
SLAM: Localização e Mapeamento Simultâneos
SLAM é um acrônimo para localização e mapeamento simultâneos, uma tecnologia na qual um robô ou um dispositivo pode criar um mapa de seu entorno e se orientar adequadamente dentro do mapa em tempo real. Esta não é uma tarefa fácil, e atualmente existe nas fronteiras da pesquisa e do design de tecnologia. Um grande obstáculo para implementar com sucesso a tecnologia SLAM é o problema da galinha e do ovo introduzido pelas duas tarefas necessárias. Para mapear com sucesso um ambiente, você deve conhecer sua orientação e posição dentro dele; no entanto, essa informação só é obtida a partir de um mapa pré-existente do ambiente.
Como funciona o SLAM
A tecnologia SLAM normalmente supera essa complexa questão de galinha e ovo, construindo um mapa pré-existente de um ambiente usando dados de GPS. Este mapa é refinado à medida que o robô ou dispositivo se move pelo ambiente. O verdadeiro desafio da tecnologia é de precisão. As medições devem ser tomadas constantemente à medida que o robô ou dispositivo se move pelo espaço, e a tecnologia deve levar em conta o “ruído” que é introduzido tanto pelo movimento do dispositivo quanto pela imprecisão do método de medição. Isso faz com que a tecnologia SLAM seja basicamente uma questão de medição e matemática.
Medição e Matemática
O carro autônomo do Google é um exemplo de medição e matemática em ação. O carro basicamente faz medições usando o conjunto LIDAR (radar de laser) montado no teto, que pode criar um mapa 3D do seu ambiente até 10 vezes por segundo. Essa frequência de avaliação é crítica à medida que o carro se move em velocidade. Essas medições são usadas para aumentar os mapas GPS pré-existentes, que o Google é conhecido por manter como parte de seu serviço Google Maps. As leituras criam uma enorme quantidade de dados e gerar significado a partir desses dados para tomar decisões de condução é o trabalho da estatística. O software no carro usa estatísticas avançadas, incluindo modelos de Monte Carlo e filtros bayesianos para mapear com precisão o ambiente.
Implicações para a Realidade Aumentada
Veículos autônomos são a principal aplicação óbvia da tecnologia SLAM. No entanto, um uso menos óbvio pode estar no mundo das tecnologias vestíveis e da realidade aumentada. Embora o Google Glass possa usar dados de GPS para fornecer uma posição aproximada do usuário, um dispositivo futuro semelhante poderia usar a tecnologia SLAM para criar um mapa muito mais complexo do ambiente do usuário. Isso pode incluir uma compreensão exata do que o usuário está olhando com o dispositivo. Ele pode reconhecer quando um usuário está olhando para um ponto de referência, uma vitrine ou um anúncio e usar essas informações para fornecer uma sobreposição de realidade aumentada. Embora esses recursos possam parecer muito distantes, um projeto do MIT desenvolveu um dos primeiros exemplos de um dispositivo de tecnologia SLAM vestível.
Tecnologia que compreende o espaço
Não faz muito tempo, a tecnologia era um terminal fixo e estacionário que usamos em nossas casas e escritórios. Agora, a tecnologia está sempre presente e móvel. Essa tendência certamente continuará à medida que a tecnologia continua a se miniaturizar e se entrelaçar em nossas atividades diárias. É por causa dessas tendências que a tecnologia SLAM está se tornando cada vez mais importante. Não demorará muito para que esperemos que nossa tecnologia não apenas entenda o que nos rodeia à medida que nos movemos, mas também nos guie através de nossas vidas cotidianas.
