インペリアルカレッジロンドン、エジンバラ大学、マンチェスター大学、スタンフォード大学の多くの研究者が、ロボット、自律型車両、バーチャルリアリティ（VR）のためのリアルタイムローカライゼーションおよびマッピングツールの適用を検討するプロジェクトに協力しています）と拡張現実感（AR）がある。
「私たちの仕事の目的は、コンピュータビジョン、ハードウェアおよびコンパイラコミュニティの専門家研究者を集めて、ロボット技術、VR / AR、およびIoT（Internet of Things）の将来のシステムを構築することでした。 「非常に低い電力バジェットで世界を認識することができる堅牢なコンピュータビジョンシステムを構築することを望んでいましたが、望みの精度でジュールメトリックの認識に関心があります」
このプロジェクトに携わった研究者は、SLAMを提供するために必要なアルゴリズム、アーキテクチャ、ツール、およびソフトウェアを組み立てるためのスキルと専門知識を組み合わせました。 彼らの発見は、さまざまな分野でSLAMを適用して、最適なレベルのパフォーマンス、精度、およびエネルギー消費を達成できるアルゴリズムとハードウェアを選択して構成するのに役立ちます。
SLAMアルゴリズムは、未知の環境のマップを構築または更新しながら、その中の特定のエージェントの場所を追跡できる方法です。 この技術は、自律車両、ロボット工学、VR、およびARの開発など、多くの分野で有用なアプリケーションを持つことができます。
「私たちの研究は、機械が常時稼働しているロボット、VR / AR、IoTなどの多くの分野に影響を与えており、非常に少ない消費電力で、中断することなく合理的な精度で、 "研究者は言った。
この包括的なプロジェクトにより、いくつかの重要な知見が得られ、ロボット、VR、AR、および自律型車両におけるSLAMの実装を大幅に促進する新しいツールの開発につながりました。
この調査では、ネイティブアプリケーションと管理対象アプリケーションの両方でパフォーマンスボトルネックを見つけて評価するためのプロファイリングツールを開発するなど、ハードウェア設計のコンテキストでさまざまな貢献をしました。 研究者は、将来のプラットフォームに適用可能なコンピュータビジョンアプリケーション用のハードウェアを作成するための完全なワークフローを発表しました。
焦点面センサプロセッサアレイ（FPSP）は、並列処理システムであり、各ピクセルは処理要素を有する。