运动跟踪使移动设备能够记录其相对于真实环境的位置及其在三维空间中的运动。为此，Google 开发了并发里程计和绘图 (COM)，其中基于视觉特征的跟踪与设备的惰性测量单元相结合。在这里，使用相机图像来识别视觉上独特的特征。这些用于计算相机相对于起始位置的位置和方向的变化。此外，设备的加速度和方向是通过内置惯性导航系统（IMU）进行惯性测量和旋转速度测量来确定的。这提供了对相机相对于现实世界的位置和方向的第二次评估。如果设备具有深度传感器，除了特征之外还可以使用深度值，以便更好地记录环境。
环境的注册是指表面的大小和位置。各个点被组合成点云，创建环境的虚拟图像。可用的信息（特征点）越多，虚拟图像就越准确。
通过结合或考虑照明条件，显示对象的真实感得以提高。考虑到视角，光的折射、阴影或光源的方向被集成到表示中。锚点用于在较长时间内跟踪虚拟对象的位置。通过添加环境信息，物体的位置不断更新。即使 房车所有者营销列表 相机移动，锚点也能确保虚拟对象在空间中保持稳定。即使协调会议可能会变得吵闹或情绪激动，但据说软件开发人员在专业上偏向于客观性。需求的结构化记录、开发的分析方法和编程工具的逻辑确保了一定的思维方式的建立。因此，开发人员清醒地对待人工智能（AI）这个话题：对他们来说，这些技术最初只是软件开发工具箱中的新工具。有时它们适合，有时不适合。从这个角度来看，人工智能应用程序只是扩展了开发人员可用的选项。
但尤其是当涉及到寻找模式或识别大量数据中的联系等主题时，这是一个相当大的扩展。无论是购买概率还是机器故障预测：当数千个因素发挥作用并且相互依赖时，人们就会达到极限。人工智能应用程序在这种环境中感觉很舒服。这篇文章解释了它背后的内容。
符号、向量和方法
基本上，根据知识的表示，人工智能可以分为所谓的符号系统和子符号系统：在符号系统中，规则和关系，即所谓的人工智能模型，由人类可以理解的概念来表示。这意味着人们可以理解和阅读该模型。另一方面，子符号系统是黑匣子系统，其内容不容易理解。一个例子说明了不同的概念：目标是识别一群人中的母亲。