一位机器人的“终极哲学之问”_风闻

引子 | 哲学之问

我在哪儿？

我从哪里来？

又往何处去？

——一位迷路人的内心哲学之问

1、什么是SLAM？

家里新添置了一台扫地机器人，老妈对它啧啧称奇：一个盘子大小的机器，刚进门就直接开工，简直是任劳任怨。那是什么技术让扫地机器人聪明的智商占领高地了呢？翻看扫地机器人的产品介绍，你就会发现一个众多扫地机器人都在使用的名词——“同时定位与建图”（Simultaneous Localization and Mapping，SLAM）技术。

SLAM是什么？首先让我们“穿越”成为一台扫地机器人开始说起。作为一台扫地机器人，进入一个陌生空间后，如果想要完成自动扫地任务，需要完成哪些工作呢？

a）我是谁，我在哪儿？如何快速实现定位，了解自己在环境中的相对位置；

b）我从哪里来，周围有什么？如何实时构建周围环境的地图，感知到哪里有障碍物，哪里有墙？依托地图信息的定位才有意义；

c）我要到哪去，该怎么去？有了地图，有了位置，如何实现路径规划，能够不撞墙、不走重复路、也不遗漏每个角落？

以上三个问题就是一台扫地机器人用SLAM这个工具要解决的“终极哲学问题”（其实，严格来说SLAM仅仅包含前两个问题，一些AR应用场景也没有包含路径规划问题，此处我们以扫地机器人引入SLAM问题，一并来讲。）

2、SLAM如何解答“哲学之问”

SLAM技术的精髓，就在于“S”——Simultaneous，中文意思就是“一边……一边……”，一边获取自身位置，解答“我在哪儿”的问题，一边构建地图，解答“我从哪里来，周围有什么”的问题。为了更好的让大家理解这个“S”的含义，我们话分两边，首先来看看SLAM技术的前世今生：

SLAM的技术思想最早还要追溯到军事领域中的潜艇定位。不同于水面舰艇可以轻松通过GPS、目视观察等方式进行导航定位，潜艇在执行任务时要下潜至没有阳光的深海活动（这个很好理解，浮在水面或者浅水区那就失去了潜艇的意义~），难以通过传统方式进行直接定位导航，因此为了能正常开展任务，潜艇大多应用INS(惯性导航)和APS(水声导航)联合定位，加上航迹测绘和海图资料推算大致的舰艇位置，像这样定位加测绘制图的过程就是SLAM技术思想的雏形。

就像潜艇一样，机器人也不能总依赖GPS，尤其是应用在室内场景下的扫地机器人——GPS在室外都是几米的精度，依赖GPS无法让扫地机器人既能安全躲避茶几腿，又能打扫沙发底。依托SLAM技术，它们可以自行观察和绘制周围环境，通过传感器数据校准来构建导航地图，进而了解自己身处何方，应该去哪里扫地或者回角落充电。我们可以总结一下SLAM简单的技术思路：在没有先验知识的情况下，通过传感器获取周边环境信息，快速实时构建出环境地图，同时解算自身位置，在此基础上完成路径规划等后续任务。听起来是不是很简单？但其实SLAM是一个复杂的多阶段任务，包括通过传感器采集实际环境中的各类型原始数据（激光扫描数据、视觉信息数据等），通过视觉里程计计算不同时刻间移动目标相对位置估算（包括特征匹配、直接配准等），经由后端模块优化视觉里程计带来的累积误差（传统滤波算法、图优化算法等），最终经由建图模块生成地图（当然通常还需要配有回环检测用于消除空间累积误差等），从而实现建图与定位的目的。

（我们再把小蚂蚁请出来 演示一下SLAM的基本思想）

（一个视觉SLAM运行实例）

3、SLAM的今天与未来

近年来，随着智能技术与硬件算力的极大发展，SLAM技术正处于极快的发展时期。它赋予机器人和其他智能体前所未有的行动能力，已成为人工智能实现的“双腿”，随着智能机器人、自动驾驶、AR/VR等应用走进了千家万户。按所使用的传感器的不同，我们可以把SLAM分为两大类，一类是使用激光雷达的激光SLAM，一类是使用视觉摄像头的视觉SLAM。其中，激光雷达测量更快更准，信息更丰富，测距比较准确，误差模型简单，在强光直射以外的环境中运行稳定，机器人的路径规划和导航也更为直观，目前被广泛应用于自动驾驶领域，落地产品更为成熟丰富。但是激光雷达价格昂贵，极大地限制了其应用；  

视觉SLAM的优点是利用所观察到环境中丰富纹理信息来进行处理，可以区分激光雷达无法分辨的物体（例如两块同样大小但内容不同的广告牌）。这带来了重定位、场景分类上无可比拟的巨大优势。同时，视觉信息可以较为容易的被用来跟踪和预测场景中的动态目标，如行人、车辆等，这对于在复杂动态场景中的应用是至关重要的。因此，目前SLAM应用也在往多源融合、广泛感知等方向逐渐发展。

相信在未来的某天，我们身边的机器人、乘坐的汽车、使用的AR设备都无需再困惑于“终极哲学之问”，都拥有一颗真正的智慧大脑，实现真正的自主行动，帮助我们人类走进更为便捷、智能的未来时代。

**来源：**中国科学院空天信息创新研究院