SLAM (robotica): differenze tra le versioni

Contenuto cancellato Contenuto aggiunto
Funzionalità collegamenti suggeriti: 3 collegamenti inseriti.
Ensahequ (discussione | contributi)
sistemo un po' +W
 
(Una versione intermedia di un altro utente non mostrate)
Riga 1:
{{W|ingegneria|luglio 2025}}
Nella [[geometria computazionale]] e nella robotica, la '''''localizzazione e mappatura simultanea''''' (''Simultaneous localization and mapping'', '''SLAM''') è il problema computazionale della costruzione o dell'aggiornamento di una mappa di un ambiente sconosciuto, tenendo contemporaneamente traccia della posizione di un agente al suo interno. Sebbene questo inizialmente sembri essere un problema ''uovo-e-gallina'', sono noti diversi algoritmi per risolverlo, almeno approssimativamente, in tempi trattabili per determinati ambienti. I metodi di soluzione approssimativa più diffusi includono il Particle Filter, il filtro Kalman esteso, l'intersezione di covarianza e GraphSLAM. Gli algoritmi SLAM vengono utilizzati nella navigazione, nella mappatura robotica e nell'odometria per la realtà virtuale o la [[realtà aumentata]]. Gli algoritmi SLAM sono adattati alle risorse disponibili, quindi non mirati alla perfezione, ma alla conformità operativa. Gli approcci pubblicati sono impiegati in auto a guida autonoma, veicoli aerei senza pilota, veicoli subacquei autonomi, rover planetari, nuovi robot domestici e persino all'interno del corpo umano.
 
Nella [[geometria computazionale]] e nella robotica, la '''''localizzazione e mappatura simultanea''''' (''Simultaneous localization and mapping'', '''SLAM''') è il problema computazionale della costruzione o dell'aggiornamento di una mappa di un ambiente sconosciuto, tenendo contemporaneamente traccia della posizione di un agente al suo interno. Sebbene questo inizialmente sembri essere un problema ''uovo-e-gallina'', sonoSono noti diversi algoritmi per risolverlo, almeno approssimativamente, in tempi trattabili per determinati ambienti. I metodi di soluzione approssimativa più diffusi includono il [[Particle Filter]], il [[filtro Kalman esteso]], l'[[intersezione di covarianza]] e GraphSLAM. Gli algoritmi SLAM vengono utilizzati nella navigazione, nella mappatura robotica e nell'odometria per la realtà virtuale o la [[realtà aumentataGraphSLAM]]. Gli algoritmi SLAM sono adattati alle risorse disponibili, quindi non mirati alla perfezione, ma alla conformità operativa. Gli approcci pubblicati sono impiegati in auto a guida autonoma, veicoli aerei senza pilota, veicoli subacquei autonomi, rover planetari, nuovi robot domestici e persino all'interno del corpo umano.
 
Gli algoritmi SLAM vengono utilizzati nella navigazione, nella mappatura robotica e nell'[[odometria]] per la [[realtà virtuale]] o la [[realtà aumentata]]. Gli algoritmi SLAM sono adattati alle risorse disponibili, quindi non mirati alla perfezione, ma alla conformità operativa. Gli approcci pubblicati sono impiegati in [[auto a guida autonoma]], veicoli aerei senza pilota, veicoli subacquei autonomi, [[Rover (astronautica)|rover planetari]], nuovi robot domestici e persino all'interno del corpo umano.
 
== Descrizione matematica del problema ==