SLAMとは何か？

同時位置推定・マッピング（SLAM）とは、ロボット工学や自律システムにおいて、機械が未知の環境や変化する環境を移動できるようにする技術である。

ここで重要なのは「同時」という側面です。SLAMにより、デバイスは自身の位置を特定すると同時に、周囲の地図を作成・更新することができます。位置推定と地図作成は互いに依存し合っているため、SLAMには「鶏が先か、卵が先か」という問題が生じます。 システムはこの問題を、継続的な推定によって解決しています。これは、システムが最新のセンサー観測データを、絶えず更新されるマップと照合し、位置情報と環境認識の両方を精緻化していくプロセスです。

時間の経過とともに、走行距離計測の誤差（ドリフトと呼ばれる）が蓄積されることがあります。この問題に対処するため、SLAMシステムにはループ閉鎖などの仕組みが組み込まれており、これにより、以前に通過した場所を認識し、蓄積された誤差を補正することで、全体的な一貫性を高めることができます。

SLAMは、センサーやユースケースに応じて、LiDARベースのSLAM、視覚SLAM（vSLAM）、ハイブリッド手法など、さまざまな方法で実装可能です。 特徴の少ない環境や、変化の激しい状況、あるいは視覚的に類似した場所が存在するケース（知覚エイリアシングとして知られる課題）では、性能が低下する可能性があるため、センサーの選定とシステム設計は極めて重要です。

センサーフュージョン

SLAMシステムは、最適な性能を発揮するために、単一の入力源ではなく、複数のセンサーからの入力に依存しています。vSLAMは、周囲を撮影するカメラを使用して、信号機や道路標識などの物体を検知・分類します。レーダーは、粉塵の多い環境や低照度条件下でも高い検知性能を発揮し、物体の動きや距離を追跡することができます。 それぞれの検知方式には長所と短所がありますが、これらを組み合わせることで、環境に対するより包括的かつ信頼性の高い理解が可能になります。

これらの入力を組み合わせると、これはセンサーフュージョン、知覚の精度を高め、パフォーマンスを維持しつつ、個人の限界を緩和するのに役立ちます。例えば、Aptiv社のPULSE™センサー カメラとレーダーを組み合わせることで、SLAM機能を備えた車両やロボットが、さまざまな環境下で正確に航行できるよう支援します。

SLAMは、自動車分野とロボット工学の両方において重要な役割を果たしている

SLAMは、不慣れな環境や変動の激しい環境、あるいはマッピングが困難な環境で動作する必要がある幅広いシステムにおいて、重要な役割を果たしています。自動車業界では、SLAMはしばしばADAS その他の知覚やマッピング手法と併せて。SLAMを利用することで、より反応が良く、人間らしい振る舞い、これにより、システムはあらかじめ定義された地図や指示だけに頼るのではなく、状況の変化に応じて適応できるようになります。

システムは複雑な環境で稼働しているため運用設計領域、正確かつリアルタイムの位置特定がこれまで以上に重要になっています。自動化のレベルが高まるほど、環境をより正確に把握する必要性が高まり、SLAMは高度なシステムにとって不可欠な機能となっています。

現代の自律移動ロボット（AMR）, SLAMはオプションではなく、基盤となる技術です。SLAMはAMRに自律性を与え、未知の環境でも独立して動作できるようにします。例えば倉庫では、AMRはまず、センサーが壁や棚などの特徴を検知しながらマップを作成し、自身の位置を特定することから始めます。その後、別のモジュールがその情報を用いて経路計画を行うことができます。

SLAMは、以前の世代のロボットで使用されていたシステムに比べて飛躍的な進歩を遂げています。例えば、第一世代のロボット掃除機は衝突検知に依存しており、近接センサーや接触スイッチを用いて、ロボットが障害物に非常に近づいたとき、あるいはすでに接触したときに初めて障害物を検知していました。これらのロボットは周囲の状況に対する認識能力がほとんど、あるいは全くなく、何かにぶつかるまで動き続けていました。

ここ数十年の間に、センサーや演算能力の向上に伴い、SLAMは理論の段階から実用段階へと発展を遂げてきました。その結果、自律技術において大きな飛躍がもたらされ、より正確な位置推定とマッピングが可能となり、障害物を予測して物理的な接触なしに回避できるようになりました。また、ロボットと周囲環境との相互作用がはるかに安全になり、人間の同僚の存在も考慮できるようになりました。