กรุงเทพฯ, 28 ก.ย. 2023 – WiMi Hologram Cloud Inc. (NASDAQ: WIMI) (“WiMi” หรือ “บริษัท”) ผู้ให้บริการเทคโนโลยี Hologram Augmented Reality (“AR”) ชั้นนําระดับโลก ได้ประกาศในวันนี้ว่า บริษัทได้รวมข้อมูล semantic และเทคโนโลยี lidar เข้ากับอัลกอริทึม SLAM เพื่อสํารวจอัลกอริทึม SLAM สําหรับการแบ่งส่วนภาพ semantic ที่อาศัย lidar ในสภาพแวดล้อมที่มีการเปลี่ยนแปลงอยู่ตลอดเวลา โดยการทํา semantic segmentation วัตถุที่เคลื่อนไหวในสภาพแวดล้อมจะปรากฏขึ้น ซึ่งช่วยให้อัลกอริทึม SLAM กรองวัตถุที่เคลื่อนไหวออกจากโมดูลการติดตามคุณลักษณะและการสร้างแผนที่ ดังนั้นจึงได้ผลการประมาณการท่าทางที่แม่นยํามากขึ้น ข้อมูล semantic ถือว่าเป็นข้อมูลสําคัญสําหรับหุ่นยนต์ในการเคลื่อนจากการรับรู้ไปสู่ปัญญาประดิษฐ์ Semantic SLAM เป็นแนวทางสําคัญในการรวมข้อมูล semantic เข้ากับการแทนสภาพแวดล้อม
อัลกอริทึม SLAM สําหรับการแบ่งส่วนภาพ semantic ที่อาศัย lidar ของ WiMi จะใช้ spatial attention networks สําหรับการแบ่งส่วนภาพ semantic ของจุดคลาวด์เป็นอันดับแรก เครือข่ายประสาทแบบ convolutional เต็มรูปแบบสามารถทําการสกัดคุณลักษณะและจําแนกประเภทข้อมูลจุดคลาวด์ได้อย่างมีประสิทธิภาพ ซึ่งช่วยให้สามารถแบ่งส่วนวัตถุต่างๆ และพื้นหลังในสภาพแวดล้อมได้ ผ่านการแบ่งส่วนภาพ semantic เราสามารถได้ข้อมูลเกี่ยวกับวัตถุที่เคลื่อนไหว ซึ่งช่วยในการกรองวัตถุที่เคลื่อนไหวในกระบวนการติดตามคุณลักษณะและสร้างแผนที่ต่อไป ดังนั้นจึงช่วยปรับปรุงความแม่นยําของการประมาณการท่าทาง ในขณะเดียวกันเพื่อจัดการกับปัญหา SLAM ในสภาพแวดล้อมที่มีการเปลี่ยนแปลงได้ดียิ่งขึ้น ความรู้พื้นฐานถูกนํามาใช้เพื่อกําหนดเกณฑ์การจําแนกประเภทขององค์ประกอบในสภาพแวดล้อม โดยการใช้ประโยชน์จากความรู้เกี่ยวกับสภาพแวดล้อมที่มีอยู่อย่างเต็มที่ เราสามารถกําหนดได้อย่างแม่นยํายิ่งขึ้นว่าองค์ประกอบใดในสภาพแวดล้อมที่เป็น static และเป็น dynamic การนําเข้าความรู้พื้นฐานนี้สามารถเพิ่มประสิทธิภาพในการระบุและติดตามองค์ประกอบที่มีการเคลื่อนไหวได้อย่างมีประสิทธิภาพ หลังจากระบุองค์ประกอบที่มีการเคลื่อนไหวแล้ว การประมาณการท่าทางและการสร้างแผนที่ semantic ก็สามารถดําเนินการต่อไปได้ การประมาณการท่าทางหมายถึงการคาดเดาตําแหน่งและทิศทางของหุ่นยนต์ในสภาพแวดล้อมโดยการวิเคราะห์ข้อมูลเซ็นเซอร์ ส่วนการสร้างแผนที่ semantic ใช้โมเดลสภาพแวดล้อมที่รู้จักและผลการแบ่งส่วนภาพ semantic เพื่อสร้างแผนที่ที่มีข้อมูล semantic การดําเนินการเสร็จสิ้นขั้นตอนเหล่านี้สามารถให้ข้อมูลสนับสนุนที่แม่นยําแก่หุ่นยนต์อัจฉริยะในการเดินทางและตัดสินใจในสภาพแวดล้อมที่มีการเปลี่ยนแปลง
โมดูลเทคโนโลยีหลักของอัลกอริทึม SLAM ที่อาศัย lidar และข้อจํากัดทาง semantic ที่ WiMi เสนอมีหลายด้าน เช่น การประมวลผลข้อมูล lidar, การแบ่งส่วนภาพ semantic, การแยกวัตถุที่เคลื่อนไหวและนิ่ง, การประมาณการท่าทาง และการสร้างแผนที่ ซึ่งร่วมมือกันเพื่อแก้ปัญหาท้าทายของ SLAM ในสภาพแวดล้อมที่มีการเปลี่ยนแปลง และปร