Wat is Simultaneous Localization and Mapping?

Wat is Simultaneous Localization and Mapping?

Stel je voor: je wordt geblinddoekt een onbekend gebouw binnengeleid. Terwijl je rondloopt, probeer je twee dingen tegelijk te doen: een mentale kaart maken van waar de muren, deuren en gangen zitten, én uitzoeken waar je zelf op elk moment staat. Dat is precies wat Simultaneous Localization and Mapping — afgekort SLAM — doet voor robots, drones en zelfrijdende auto's.

SLAM lost een klassiek kip-ei-probleem op: om je positie te bepalen heb je een kaart nodig, maar om een kaart te maken moet je weten waar je bent. SLAM doet beide tegelijk, door slim gebruik te maken van sensoren (camera's, lidar, radars) en algoritmes die patronen herkennen en onzekerheid bijhouden.

Hoe werkt het eigenlijk?

Een robot met SLAM verzamelt voortdurend sensordata: wat ziet de camera? Welke afstanden meet de lidar? Uit die data herkent het systeem herkenningspunten — een hoek van een muur, een boom, een lantaarnpaal. Die punten worden 'landmarks' genoemd.

Vervolgens doet het systeem twee dingen:

• Localization: op basis van welke landmarks het ziet en waar die zich bevinden, schat het in waar de robot zich bevindt

• Mapping: het voegt nieuwe landmarks toe aan de kaart en verbetert de posities van bestaande landmarks op basis van nieuwe waarnemingen

Dit gebeurt niet één keer, maar continu — honderden keren per seconde. Elke nieuwe meting verfijnt zowel de kaart als de positie. Het systeem houdt ook rekening met onzekerheid: sensoren zijn niet perfect, bewegingen zijn niet exact. Daarom werkt SLAM vaak met probabilistische methoden die kansverdelingen bijhouden in plaats van harde coördinaten.

Een voorbeeld uit de praktijk

Denk aan een robotstofzuiger die voor het eerst door je huis rijdt. Hij kent de plattegrond niet. Terwijl hij rijdt, bouwt hij een kaart op: hier is de bank, daar de salontafel, daar de gang naar de keuken. Tegelijkertijd houdt hij bij waar hij zelf is, zodat hij niet per ongeluk dezelfde hoek twee keer zuigt of verdwaalt.

Of neem een zelfrijdende auto in een nieuw stadsdeel zonder up-to-date GPS-data. De auto gebruikt camera's en lidar om obstakels, wegmarkeringen en gebouwen te herkennen, bouwt daar een real-time 3D-kaart van, en weet daardoor precies waar hij zich bevindt — ook als het GPS-signaal even wegvalt.

Waar kom je het tegen?

SLAM zit in tal van autonome systemen die door onbekende of veranderende omgevingen moeten navigeren:

• Robotstofzuigers (zoals die van iRobot, Roborock, Ecovacs) gebruiken SLAM om efficiënt door je huis te rijden

• Zelfrijdende auto's (Waymo, Tesla, Cruise) combineren SLAM met vooraf gemaakte kaarten voor nauwkeurige navigatie

• Drones voor inspectie, verkenning of pakketbezorging in gebieden zonder GPS

• Magazijnrobots (in fulfilment centers van bijvoorbeeld Amazon) die door dynamische omgevingen bewegen

• AR-brillen en VR-headsets (Meta Quest, Microsoft HoloLens) die je beweging in de echte ruimte volgen

• Mars-rovers zoals Perseverance, die volledig autonoom over een onbekende planeet rijden

Waarom zou jij hier iets aan hebben?

Je hoeft geen roboticus te zijn om met SLAM in aanraking te komen. Als je een bedrijf hebt met magazijnen, kan SLAM-technologie je helpen om autonome heftrucks of inventarisatierobots in te zetten — zonder dat je dure infrastrucuur (zoals rails of beacons) hoeft aan te leggen.

Als je nadenkt over robotica in de zorg, logistiek of productie, is SLAM vaak een voorwaarde: robots moeten veilig en betrouwbaar door onvoorspelbare omgevingen kunnen bewegen. En als consument profiteer je er nu al van: die robotstofzuiger die precies weet waar hij al geweest is, of die AR-app die virtuele meubels op de juiste plek in je kamer projecteert.

SLAM maakt autonomie mogelijk in de echte wereld — zonder voorprogrammering, zonder vaste routes, zonder menselijke besturing.