SLAM.Was der Begriff bedeutet.

Ein mobiler Roboter steht vor einem Henne-Ei-Problem. Um seine Position zu kennen, braucht er eine Karte. Um eine Karte zu bauen, muss er seine Position kennen. SLAM löst beides zusammen. Durrant-Whyte und Bailey beschreiben das Verfahren 2006 als Frage, ob ein Roboter an einem unbekannten Ort eine konsistente Karte aufbauen und sich gleichzeitig darin verorten kann. Ohne gute Lokalisierung kann ein Roboter weder sicher fahren noch Teile an der richtigen Stelle abholen.

Cadena und Kollegen (arXiv:1606.05830) beschreiben die heute übliche Form als Optimierungsproblem über einen Graphen. Knoten sind Posen des Roboters und Landmarken, Kanten sind Messungen dazwischen. Erkennt der Roboter einen Ort wieder, an dem er schon war, schließt er eine Schleife. Diese Schleifenschlüsse korrigieren die über die Zeit angesammelte Drift. Schwierig sind große Hallen mit vielen gleichartigen Regalgassen, die sich für die Sensoren ähneln.

Als Sensoren dienen LiDAR, Kameras oder beides, ergänzt durch Inertialsensoren und Radodometrie. Man spricht dann von LiDAR-SLAM oder visuellem SLAM. Die Übersicht von Cadena und Kollegen nennt als offene Themen vor allem Robustheit und den Betrieb über lange Zeiträume in Umgebungen, die sich verändern. Bei Humanoiden und Vierbeinern kommen Bewegungen des Körpers beim Gehen hinzu, die das System ausgleichen muss.

Das betrifft auch Werkshallen: Ladungsträger werden verschoben, Regale umgestellt, Tore öffnen und schließen sich. Eine Karte, die am Montag stimmt, kann am Freitag abweichen. Gute SLAM-Systeme trennen feste Strukturen wie Wände und Säulen von beweglichen Objekten. Für Roboterflotten kommt die Verteilung der Karten dazu. Wird eine Karte auf einem Roboter aktualisiert, sollten alle anderen sie ebenfalls bekommen. Manche Systeme legen dafür eine zentrale Karte an, die der Flottenmanager pflegt. Auch Sperrzonen und Fahrregeln werden oft in dieser Karte hinterlegt.