Algorytmy SLAM opierają się na koncepcjach geometrii obliczeniowej i wizji komputerowej. Wykorzystuje się je w nawigacji robotów, mapowaniu oraz tzw. odometrii w odniesieniu do rzeczywistości wirtualnej bądź rozszerzonej. Integracja SLAM z wieloma robotami nadal pozostaje jednak wyzwaniem ze względu na sprzeczność wydajności pomiędzy intensywnymi obliczeniami graficznymi a ograniczonymi możliwościami obliczeniowymi samych maszyn.
Czytaj też: Sztuczna inteligencja strzeże najpotężniejszej maszyny na świecie
Autorzy wspomnianej publikacji proponują, by wykorzystać tzw. edge computing w celu zmiany takiego stanu rzeczy. Edge computing wykorzystuje zasoby obliczeniowe do skrócenia dystansu transmisji danych, zmniejszenia opóźnienia w zakresie offloadingu oraz zwiększenia jakości usług. Eksperci stojący za tym pomysłem twierdzą, że przeniesienie zadań SLAM z robotów do serwerów brzegowych może zauważalnie zwiększyć możliwości robotów w zakresie przetwarzania.
RecSLAM ma rozwijać hierarchiczną technikę łączenia map
Jakby tego było mało, łączenie podzbiorów map lokalnych na brzegu zmniejsza rozmiar danych i redukuje koszty komunikacji. Badacze potwierdzili swoje przewidywania wykorzystując pomiary w świecie rzeczywistym. Wymyślony przez nich system RecSLAM, w przeciwieństwie do konwencjonalnych, rozwija hierarchiczną technikę łączenia map, która przenosi surowe dane do serwerów brzegowych w celu połączenia ich w czasie rzeczywistym. Następnie wysyła je do chmury.
Czytaj też: Sztuczna inteligencja uczy się projektować roboty. Może to zrobić na twoim komputerze
Testy wykazały, iż RecSLAM może osiągnąć nawet 39-procentową redukcję opóźnień w przetwarzaniu, jeśli porównać jego wyniki z zapewnianymi przez obecnie stosowane rozwiązania. Ważny jest w tym przypadku fakt, że prototyp w formie proof-of-concept został przetestowany i w ten sposób potwierdzono jego skuteczność.