SLAM
Ein Algorithmus, der es einem Roboter oder Fahrzeug ermöglicht, gleichzeitig seine Position zu bestimmen und eine Karte der Umgebung zu erstellen.
SLAM ermöglicht Robotern, sich gleichzeitig zu lokalisieren und ihre Umgebung zu kartieren – die Grundlage für AR, autonome Fahrzeuge und Drohnen.
Erklärung
SLAM löst das Henne-Ei-Problem: Lokalisierung braucht eine Karte, Kartierung braucht eine Position. Visual SLAM nutzt Kameras, LiDAR-SLAM nutzt Laserscanner. Moderne Ansätze kombinieren beides mit Deep Learning.
Relevanz für Marketing
Grundlegende Technologie für autonome Roboter, selbstfahrende Autos, AR (ARKit/ARCore) und Drohnen. Jedes autonome System braucht eine Form von SLAM.
Häufige Fallstricke
Loop Closure bei großen Umgebungen, Drift über lange Strecken, dynamische Objekte stören Kartierung, Rechenintensität in Echtzeit.
Entstehung & Geschichte
Smith, Self & Cheeseman formulierten SLAM 1986. MonoSLAM (2007) zeigte Echtzeit-Visual-SLAM. ORB-SLAM (2015) wurde zum Standard. Apple ARKit und Google ARCore (2017) brachten SLAM auf jedes Smartphone.
Abgrenzung & Vergleiche
SLAM vs. GPS/GNSS
GPS liefert absolute Position mit Meter-Genauigkeit im Freien; SLAM arbeitet relativ und funktioniert auch indoor ohne Satellitenempfang.
SLAM vs. Odometry
Odometrie schätzt Bewegung aus Sensorik, driftet aber über Zeit; SLAM korrigiert Drift durch Umgebungserkennung und Loop Closure.