SLAM (robotica): differenze tra le versioni

Versione delle 15:36, 4 mag 2019

Versione delle 13:49, 29 dic 2020

Riga 1:

{{S|applicazioni dell'informatica}}

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 filtro antiparticolato, 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.

Per '''SLAM''' (dall'inglese ''Simultaneous Localization and Mapping'') si intende il processo per cui un [[robot]] si muove in un ambiente sconosciuto, costruisce la [[mappa]] di tale ambiente ed è capace di localizzarsi all'interno di quella mappa.

== Voci correlate ==