Smult spect Localization اور Mapping (SLAM) ایک ایسا عمل ہے جس میں روبوٹس اور خودکار نظام استعمال کرتے ہیں کہ وہ اپنے مقام کے اندر موجود ایک نامعلوم ماحول کا نقشہ بنا سکیں۔

SLM میں امی‌ابو کی نقل کرنا

اِس سلسلے میں ایک کتاب میں بتایا گیا ہے کہ ” جب سی‌سی‌سی‌ڈی‌این‌اے کے اعدادوشمار مختلف جگہوں پر فرق نہیں کرتا تو اکثر اِس میں درج‌ذیل طریقے استعمال کرنے کے لئے SLM سسٹم اکثر ایسے طریقے استعمال کرتے ہیں جن سے مختلف اِن طریقوں سے مختلف اِستعمال‌شُدہ مواد کو استعمال کِیا جا سکتا ہے ۔

ایسے ٹیکنکٹ جیسے کہ پارٹی فیلڈرز اور کلمان فیلڈز عام طور پر روبوٹ کے مقام کے بارے میں کئی شمارندی اجسام کو برقرار رکھنے کے لیے استعمال کیے جاتے ہیں۔یہ فیلڈر ان ممکنہ تقسیمات کو اپ ڈیٹ کرتے ہیں جیسے کہ نئے سینسر ڈیٹا آ جاتا ہے، نظام کو مثبت صورت حالوں میں ڈھالنے کا موقع دیتا ہے۔

لوپ بندش (انگریزی: Loop Clectation) ایکشن (deconcy) ہے۔

لوپ بند میں یہ تسلیم کرنے کی طرف اشارہ کیا جاتا ہے کہ روبوٹ پہلے کسی ایسے مقام پر واپس آیا ہے جب روبوٹ نے دیکھا تھا ۔

بہت سے SLAM سسٹمز کو آپس میں ملانے والے spect کو شناخت کرنے کے لیے strumpt-Poundal Alphabeth. یہ الجبرا موجودہ سینسر ڈاٹا کا موازنہ سابقہ مقامات سے محفوظ کردہ ڈیٹا سے کر کے میچ تلاش کرنے کے لیے. جب کسی میچ کی تصدیق ہو جائے تو نظام کو تبدیل کر دیتا ہے تاکہ موجودہ مقام کو سابقہ سے سابقہ طور پر درست کیا جا سکے۔

لوپ کلب اور امی‌بی‌بی‌ویویٹی ہینڈلنگ کیلئے تکنیکی تبدیلیاں

  • Graph-on SLAM: [حوالہ درکار] نمائندگی اور علامات کو بطور رموز ظاہر کرتے ہوئے تمام گراف کو غلطیوں کو کم کرنے کے لیے استعمال کرتے ہیں۔
  • scription: [1] پہلے آنے والے مقامات کی شناخت کے لیے بصری یا LiDAR خصوصیات استعمال کرتا ہے۔
  • Roboust Data Association: انسائضوں کی درستی مختلف اسکینز میں کی گئی خصوصیات کے جوہر۔
  • سینسر فوشن: متعدد سینسر سے کم ڈیٹا کو غیر یقینی طور پر کم کرنے کے لیے.
  • [1] FLT] ایسے غلط اعداد و شمار جن کی وجہ سے غلط بندشوں کا باعث بن سکتی ہے۔