RoadTracer: Lepší automatizované mapy
Mapy Google jsou triumfem umělé inteligence v akci se schopností vést nás z jednoho místa na druhé pomocí působivých strojové učení technika. Ale zatímco trasovací část Map Google nepotřebuje příliš mnoho lidí v mixu, ruční obkreslování silnic na leteckých snímcích, aby byly strojově použitelné, je neuvěřitelně časově náročné a všední. Výsledkem je, že i přes tisíce hodin strávených nad tímto úkolem se zaměstnancům Google stále nepodařilo zmapovat většinu z více než 20 milionů mil silnic, které se táhnou po celém světě.
Naštěstí vědci z Massachusetts Institute of Technology’s Computer Science and Laboratoř umělé inteligence (CSAIL) a Qatar Computing Research Institute možná přišli s řešení. Vyvinuli automatizovanou metodu vytváření plánů, která je o 45 procent přesnější než stávající metody. Práce s názvem RoadTracer využívá neuronové sítě k inteligentnímu mapování silnic na snímcích. Systém by mohl být zvláště vhodný pro mapování částí světa, kde jsou mapy často zastaralé, jako jsou odlehlé a venkovské oblasti v rozvojovém světě.
Doporučená videa
„Natrénovali jsme neuronovou síť pomocí leteckých snímků 25 měst v šesti zemích v Severní Americe a Evropě,“ Favyen Bastani, postgraduální student na MIT CSAIL, řekl Digital Trends. „Konkrétně jsme pro každé město sestavili korpus satelitních snímků s vysokým rozlišením z Google Earth a grafy pozemní pravdivé silniční sítě z OpenStreetMap, pokrývající oblast zhruba 10 čtverečních mil kolem města centrum."
RoadTracer funguje tak, že začíná známým místem na silniční síti a poté zkoumá okolní oblast, aby zjistil, jaká je s největší pravděpodobností další část silnice. Po přidání tohoto bodu se proces opakuje znovu a znovu, dokud nebude přidána celá silniční síť.
Do budoucna tým doufá, že se při mapování nebude spoléhat na převážně letecké snímky. "Například vám neposkytnou informace o silnicích s nadjezdy, protože je očividně nevidíte shora," řekl Bastani. "Jedním z našich dalších projektů je trénovat systémy na datech GPS a pak nakonec být schopni tyto přístupy sloučit do jediného mapovacího systému."
Příspěvek popisující práci bude prezentován v červnu na konferenci o počítačovém vidění a rozpoznávání vzorů (CVPR) v Salt Lake City.
Doporučení redakce
- Může A.I. porazit lidské inženýry při navrhování mikročipů? Google si to myslí
- Algoritmická architektura: Měli bychom nechat A.I. navrhovat budovy pro nás?
- Proč učit roboty hrát na schovávanou by mohlo být klíčem k next-gen A.I.
- Chytrá nová A.I. systém slibuje, že vašeho psa vycvičí, když jste mimo domov
- Nový A.I. sluchadlo se naučí vaše preference poslechu a provede úpravy
Upgradujte svůj životní stylDigitální trendy pomáhají čtenářům mít přehled o rychle se měnícím světě technologií se všemi nejnovějšími zprávami, zábavnými recenzemi produktů, zasvěcenými úvodníky a jedinečnými náhledy.
