कण फिल्टर

इस ब्लॉग पोस्ट का एक और तकनीकी उपचार मूल रूप से उडेसिटी ब्लॉग पर प्रकाशित किया गया था ।

रोबोट आश्चर्यजनक रूप से सरल लेकिन शक्तिशाली एल्गोरिदम का उपयोग यह पता लगाने के लिए करते हैं कि वे मानचित्र पर कहां हैं, इंजीनियरों द्वारा स्थानीयकरण नामक समस्या। कण फ़िल्टरिंग के रूप में जाना जाने वाला एल्गोरिदम आश्चर्यजनक रूप से अच्छा दिखता है। इस दो-भाग के लेख का पहला भाग यहां प्रकाशित किया गया था । इस पहले लेख में, हम आपके अपने कण फ़िल्टर बनाने के लिए आवश्यक गणित को स्पष्ट करेंगे।

स्व -ड्राइविंग कारों को मानव चालकों की तरह व्यवहार करने के लिए डिज़ाइन किया गया है। एक विशिष्ट स्व-ड्राइविंग कार प्रणाली छह घटकों से बनी होती है। छह घटकों में से प्रत्येक ड्राइविंग, स्वायत्त या अन्यथा के लिए आवश्यक महत्वपूर्ण समस्या हल करता है। घटकों को मानव चालकों की नकल करने वाले कार्यों को करने के बारे में सोचा जा सकता है, जो हैं:

स्थानीयकरण : हम कहाँ हैं?
रूट प्लानिंग : हम गंतव्य तक कैसे पहुंचें?
धारणा : आसपास और क्या है?
भविष्यवाणी : थोड़ी देर बाद कैसा दिखेगा माहौल?
योजना बनाना : अगले कुछ सेकंड में हम क्या रास्ता अपनाएंगे?
नियंत्रण : हम जिस रास्ते पर चलना चाहते हैं, उसका पालन कैसे करेंगे?

मनुष्यों के लिए स्थानीयकरण बहुत आसान हो जाता है। हम आम तौर पर स्मृति से याद करते हैं कि हम दुनिया में कहां हैं, अक्सर स्मार्टफोन जैसे जीपीएस डिवाइस द्वारा सहायता प्राप्त होती है जो हमें मानचित्र पर हमारे स्थान को और अधिक सटीक रूप से पहचानने में मदद करती है। हम यह सुनिश्चित करने के लिए कि हम हमेशा सही लेन में हैं, सही सड़क पर हैं, और सही दिशा में चल रहे हैं, हम नेविगेशन संकेतों, लेन चिह्नों, और अन्य वाहनों, सड़क और आसपास की हमारी समझ जैसे दृश्य संकेतों का भी उपयोग करते हैं।

जब स्थानीयकरण की बात आती है, स्वायत्त ड्राइविंग के लिए भी स्थिति की आवश्यकता होती है और जिस दिशा में वाहन चल रहा है, उसे हेडिंग भी कहा जाता है। हालांकि, मनुष्यों के विपरीत, स्वायत्त वाहनों द्वारा आवश्यक सटीकता का स्तर बहुत अधिक है। यह जानना पर्याप्त नहीं है कि एक वाहन सही लेन में है और लेन के समानांतर जा रहा है। नियोजन के लिए उच्च परिशुद्धता की आवश्यकता होती है। यदि स्थानीयकरण स्थिति के बारे में कुछ सेंटीमीटर से अधिक या शीर्षक के बारे में कुछ डिग्री से अधिक बंद है, तो नियोजन घटक एक विनाशकारी पाठ्यक्रम उत्पन्न कर सकता है जिसके परिणामस्वरूप कई अन्य अवांछित परिणामों के बीच टकराव हो सकता है।

इंसानों की तरह, स्वायत्त वाहनों को जीपीएस से स्थिति और हेडिंग का पहला अनुमान मिलता है। जीपीएस रिसीवर, यहां तक ​​​​कि स्मार्टफोन पर पाए जाने वाले छोटे भी काफी सटीक होते हैं। हालांकि, सुरक्षित स्वायत्त ड्राइविंग के लिए जीपीएस से प्राप्त स्थानीयकरण की जानकारी की सटीकता अपर्याप्त है। उदाहरण के लिए, रिपोर्ट की गई स्थिति एक मीटर से लेकर कई मीटर तक या सबसे खराब स्थिति में और भी अधिक दूर हो सकती है।

रिसीवर को दिखाई देने वाले उपग्रहों की संख्या, इमारतों जैसी बड़ी वस्तुओं से उपग्रह बीम का प्रतिबिंब, और वायुमंडलीय तत्वों द्वारा अवशोषण जैसे कारकों के आधार पर सटीकता में बार-बार और बेतहाशा उतार-चढ़ाव होता है।

यदि यह पर्याप्त बुरा नहीं है, तो जिस दर पर GPS स्थानीयकरण जानकारी को अद्यतन करता है वह भी बहुत धीमी है, जो 1-10 हर्ट्ज के बीच है। यहां तक ​​कि 10 हर्ट्ज पर, 20 किमी प्रति घंटे की धीमी गति से चलने वाला वाहन दो जीपीएस अपडेट के बीच लगभग आधा मीटर चला होगा।

गति के कारण स्थानीयकरण में अनिश्चितता को कम करने के लिए, स्वायत्त वाहन जड़त्वीय मापन इकाइयों (आईएमयू) का उपयोग करते हैं। IMU तेज और सटीक हैं और वाहन के त्वरण और मोड़ की दर को मापते हैं। इस जानकारी का उपयोग दो लगातार जीपीएस अपडेट के बीच कार की स्थिति का पता लगाने के लिए किया जा सकता है। IMU समय के साथ छोटी सन्निकटन त्रुटियों को जमा करते हैं लेकिन यह वह समस्या नहीं है जिससे हम यहाँ निपट रहे हैं।

स्थानीयकरण प्रणाली को जिस मुख्य समस्या से जूझना पड़ता है, वह यह है कि जीपीएस अपडेट स्वाभाविक रूप से गलत होते हैं। एक सटीक स्थिति की रिपोर्ट करने के बजाय, उदाहरण के लिए, जीपीएस जमीन पर एक छोटे से क्षेत्र की रिपोर्ट करता है जहां एक वाहन के मौजूद होने की संभावना होती है जब जीपीएस खुद को अपडेट करता है। हम इस क्षेत्र को GPS स्पॉट कहते हैं।

जीपीएस स्पॉट के क्षेत्र को कम करने की समस्या को सटीक स्थानीयकरण करने की समस्या कम हो जाती है।

सटीक स्थानीयकरण के लिए रोबोटिक्स में उपयोग की जाने वाली तकनीकों में से एक, कम सटीक से शुरू करके कण फ़िल्टरिंग के रूप में जानी जाती है । यह तब उपयोगी होता है जब पर्यावरण में कई लैंडमार्क होते हैं, यानी बड़ी, स्थिर वस्तुएं जो बार-बार स्थान, रूप और आकार नहीं बदलती हैं। ये भवन, सेल्युलर फोन टावर, ब्रिज पियर्स, यूटिलिटी पोल या ट्रैफिक सिग्नल और साइनेज हो सकते हैं।

कण फ़िल्टरिंग को समझने के लिए हम एक सादृश्य का उपयोग करेंगे। मान लीजिए कि आप थके हुए होटल के कमरे में वापस आते हैं, रोशनी बंद कर देते हैं और बिस्तर पर औंधे मुंह गिर जाते हैं। आप रात के मध्य में जागते हैं और यह जानना चाहते हैं कि आप कहां हैं। बेशक, आपको याद है कि आप बिस्तर से टकरा गए थे लेकिन आप जानना चाहेंगे कि आप किस दिशा में हैं, लाइट स्विच कहां हैं और आपकी चप्पलें कहां हैं। यह बिस्तर में होने की धुंधली याद की तुलना में अधिक सटीकता की मांग करता है।

अपने आप को शीघ्रता से उन्मुख करने के लिए, आप परिवेश का उपयोग करते हैं। आप पहले खुद को बिस्तर पर अलग-अलग जगहों पर होने की कल्पना करें। फिर आप अपने आस-पास की 'लैंडमार्क' वस्तुओं को छूकर और उनकी पहचान करके महसूस करते हैं। आप पास की टेबल से पानी की बोतल को धक्का दे सकते हैं या अपने पैर के अंगूठे को कुर्सी से टकरा सकते हैं। ये अवलोकन आपको महत्वपूर्ण सुराग देते हैं कि आप होटल के बिस्तर के दायरे में कहां होने की संभावना रखते हैं। चूँकि आपको याद है कि बोतल, मेज और कुर्सी बिस्तर के सापेक्ष कहाँ थे, आप बिस्तर पर अपनी स्थिति का अधिक सटीक अनुमान लगाने में सक्षम हैं। प्रत्येक नए अवलोकन के साथ, आप बिस्तर पर कुछ निश्चित स्थानों का पता लगा सकते हैं और अन्य स्थानों पर होने की संभावना बढ़ा सकते हैं।

स्वायत्त वाहनों के लिए कण फ़िल्टरिंग ठीक इसी तरह काम करता है। एक प्रारंभिक जीपीएस स्पॉट के साथ सशस्त्र वाहन अपनी खुरदरी स्थिति और मानचित्र पर आगे बढ़ने को जानता है। यह खुरदरी स्थिति फिर छोटी काल्पनिक कोशिकाओं में विभाजित हो जाती है। वाहन यह भी जानता है कि उस उबड़-खाबड़ स्थान के आस-पास कौन से लैंडमार्क हैं। फिर वाहन ऑनबोर्ड लिडार का उपयोग करके इन स्थलों की दूरी की जांच करता है। स्थानीयकरण प्रणाली तब इन मापों को प्रत्येक काल्पनिक सेल के खिलाफ लंबा करती है। जैसा कि अधिक से अधिक स्थलों की जांच की जाती है, अधिकांश कोशिकाओं को खारिज कर दिया जाता है और केवल कुछ अत्यधिक संभावना वाले संभावित स्थानों के रूप में रहते हैं।

पार्टिकल फ़िल्टरिंग नाम इस तथ्य से आता है कि प्रत्येक काल्पनिक सेल के स्थान को मानचित्र पर कण के रूप में दर्शाया गया है और हम लैंडमार्क की दूरी की गणना करके और उन कणों को हटाकर कणों को हटा देते हैं जो सही दूरी पर नहीं लगते हैं। स्थलों।

नीचे दिया गया एनीमेशन एक बड़े क्षेत्र में फैले कणों का प्रारंभिक स्थान दिखाता है, जो कई गलियों, सड़कों और खुले क्षेत्रों में फैल सकता है। पर्यावरण की संवेदन या जांच नीली किरणों द्वारा दिखाई जाती है। सबसे संभावित स्थिति का प्रतिनिधित्व करने वाला हरा बिंदु शुरू में नक्शे के चारों ओर कूदता है लेकिन बहुत जल्दी बैठ जाता है क्योंकि पर्यावरण को भांपते हुए अधिक से अधिक कणों को खारिज कर दिया जाता है।

कण फ़िल्टरिंग एक अविश्वसनीय रूप से सरल एल्गोरिदम है जो कई रोबोटों और स्वायत्त कारों को शक्ति प्रदान करता है। एनवीडिया ड्राइव लैब्स ने एक छोटा वीडियो जारी किया है कि स्थानीयकरण विभिन्न स्थलों के साथ समृद्ध मानचित्रों से कैसे लाभान्वित हो सकता है। Uber ATG ने यहां एक ब्लॉग प्रकाशित किया है कि वे GPS सटीकता कैसे सुधारते हैं ।