SLAM(Simultaneous Localization and Mapping)とは、自己位置推定と周囲の地図作成を同時に行う技術です。移動体が自身の位置を把握しながら、マップを構築することで、自律移動や自動運転、XRデバイスの空間認識などに活用されています。
SLAM(スラム)技術とは
SLAM(スラム)技術とは、ロボットやドローン、XRデバイスなどの移動体が自分の位置を推定、把握しながら周辺の環境地図を同時に作成する技術のことです。Simultaneous Localization and
Mappingの略で、日本語では「自己位置推測と地図作成の同時実行」と訳されます。GPSを利用できない環境下でも、自律的な移動や制御を可能にします。
SLAM技術は、自動運転・飛行、自律走行、自律制御システムのほか、XR分野でも活用が進んでいます。具体的には、VRヘッドセットの位置トラッキングや、ARグラスにおける空間認識においても、SLAMは現実空間を正確に把握し、仮想情報を適切に表示するために用いられています。
SLAMの仕組み

- 移動体(ロボットやドローンなど)が、センサーを使って周辺の環境情報を取得
- カメラやLiDARなどのセンサーにより、自身とランドマーク(目印となる特徴的なモノ)までの距離と方向、壁や障害物の位置を計測・特定
- 取得したデータをもとに、現在位置を推定しつつ環境地図を構築
SLAMの重要性・メリット
- 従来のGPSによる自己位置推定とSLAMを比較すると、衛星システムに依存しないため、衛星から発信された電波や信号が届かないトンネルや地下などでも自己位置推定が可能です
- SLAMは自動運転・自動制御システムの認知・判断・操作という3つのブロックのうち認知を担い、システム全体の機能性や性能向上につなげられます
- 近年では技術開発の進歩によりCPUの性能向上、センサーであるカメラの低価格入手が可能となり、幅広い技術研究が進められています。さまざまな技術があります
- 現在使用されている用途や事例以外にも、将来的に多くの分野でSLAMが活用される可能性が高いです
- リアルタイムで位置を特定し、静的・動的な障害物の両方が検出でき、回避できる環境地図を作成するため、安全性と効率性のもっとも高いルートを選択した自動運転が実現できます
- 周囲の環境を2次元平面ではなく3次元空間(3D空間)として把握するため、従来の技術よりも精密に自身の状況を認識できます
- 複雑な道順や環境下でも問題なく自走や自動運転が可能です
SLAMの種類と特徴
Depth SLAM
ToFセンサーやデプスカメラにより、深度画像(距離情報)を取得、自己位置を推量・取得する技術
- 立体に強く、特徴点の少ない環境や暗所でもSLAMを実行できる
Visual SLAM
複眼カメラ(ステレオカメラ)、深度カメラ、単眼カメラなどから取得した映像と距離から自己位置を推定する方法
- 使用するカメラによっては歩行者や白線なども検出可能
- 自律制御や自走、飛行の柔軟性が高くなる
- センサーに活用するツールが比較的安価で入手しやすい
- 夜間、またはカメラのレンズの汚れなどで精度が落ちる
LiDAR SLAM
「LiDAR(Light Detection and Ranging)」と呼ばれるレーザーセンサーを照射して取得したデータを、あらかじめ準備した地図と照合して自己位置を測定する方法
- 距離や形状などを高精度で検出、計測でき、ほかのSLAM技術よりも移動体への精密な動きが期待できる
- ツールのコスト面、データ処理負荷面などにデメリットがある
Landmark based SLAM
QRコードなどのランドマークと呼ばれるマーカー(特徴点)を基準に自己位置推定と環境地図の作成を行う方法
- 利用する場所に数点のQRコードを準備すれば移動体がQRコードの設置場所に対応した地図と走行中に検出したQRコードとを照合しながら自己位置を推定する
- 倉庫内などの狭所でも自動運転ができる
Visual Relocalizer
事前に撮影しておいた風景を地図として利用する方法
- 移動体は移動しながら撮影を行い、事前に撮影したものと比較することで自己位置を推定する
- 比較的低コストで導入できる
SLAMの課題やデメリット

- 環境データをリアルタイムで大量処理するためのツールやハードウェアなどの高価なデバイスを購入する初期導入費用や高いランニングコストが発生します
- センサーデータの誤差や特定の環境下において位置推定の精度が低下する場合があります。赤外線センサーや超音波センサー、照明などを併用することで対策可能です
- 異なるセンサーのデータの同期やノイズ除去、専用アプリケーションのプログラミングなどの高度な知識と専門的なスキルがSLAMシステムの設計に必要です
- SLAMによる自己位置推定には計算時間が必要です。そのまま利用すると計算にかかった時間も算出され、過去の位置として認識されることで実際の位置とずれが発生します。処理時間をリアルタイムに近づける必要がありますが、精度が高い技術は計算に多くの時間がかかり、計算時間が短い技術は精度が低くなってしまいます。処理時間が短く精度が低い手法と、処理時間は長くても精度が高い手法を併用し、処理時間と精度のバランスを取ることが求められます
- SLAMの手法によって得手不得手、メリット・デメリットがあるので適切な方法の選択や併用が求められます
SLAM技術はロボットやドローンなどの自動運転や自律制御システムに加えて、XR分野でも幅広く活用されています。VRではヘッドセットの位置・姿勢のトラッキングに、ARでは、現実空間とデジタル情報を正確に重ねるための空間マッピングに用いられ、より没入感やリアリティの体験を支えています。
SLAM技術を使ったXRコンテンツ、ソリューションの開発を検討しているなら、コノキューデバイス社のXRグラス「MiRZA®(ミルザ)」をおすすめします。
SLAMの処理には高性能なCPU/GPU、さらにカメラ等が必要となり、デバイスが重くなりがちになります。「MiRZA」はQualcomm,
Inc.のチップセット「Snapdragon® AR2 Gen1」を世界で初めて搭載することで、本格的な業務にも利用可能な機能を搭載しながらも、電池込みで約125gの軽量仕様を実現しました。
デバイスの重みの影響を受けず、長時間の作業も疲れにくくなっています。スマートフォンとの無線接続も可能となっているため、移動を伴うシーンでも、快適に使用できます。
「Snapdragon AR2 Gen 1」についてはこちらをご参照ください。
https://www.qualcomm.com/products/mobile/snapdragon/xr-vr-ar/snapdragon-ar2-gen-1-platform
SLAM技術は、「MiRZA」のコンテンツを開発する際に対応できる機能として含まれています。
https://www.devices.nttqonoq.com/developer/doc/samples/list/