RoadTracer: mappe automatizzate migliori
Google Maps è un trionfo dell'intelligenza artificiale in azione, con la capacità di guidarci da un luogo all'altro utilizzando alcune funzionalità impressionanti apprendimento automatico tecnologia. Ma mentre la parte di Google Maps dedicata al calcolo del percorso non richiede troppi interventi umani, tracciare manualmente le strade sulle immagini aeree per renderle utilizzabili dalle macchine è incredibilmente dispendioso in termini di tempo e banale. Di conseguenza, anche dopo aver dedicato migliaia di ore a questo compito, i dipendenti di Google non sono ancora riusciti a mappare la maggior parte degli oltre 20 milioni di miglia di strade che si estendono in tutto il mondo.
Fortunatamente, i ricercatori del Massachusetts Institute of Technology’s Computer Science e L'Artificial Intelligence Laboratory (CSAIL) e il Qatar Computing Research Institute potrebbero aver inventato un soluzione. Hanno sviluppato un metodo automatizzato per creare tabelle di marcia che è il 45% più accurato rispetto ai metodi esistenti. Chiamato RoadTracer, il lavoro utilizza le reti neurali per mappare in modo intelligente le strade sulle immagini. Il sistema potrebbe essere particolarmente adatto per mappare parti del mondo in cui le mappe sono spesso obsolete, come le aree remote e rurali nei paesi in via di sviluppo.
Video consigliati
“Abbiamo addestrato la rete neurale utilizzando immagini aeree di 25 città in sei paesi del Nord America e dell’Europa”, Favyen Bastani, uno studente laureato al MIT CSAIL, ha detto a Digital Trends. “Nello specifico, per ciascuna città abbiamo assemblato un corpus di immagini satellitari ad alta risoluzione provenienti da Google Earth e Grafici della rete stradale Ground Truth da OpenStreetMap, che coprono una regione di circa 10 miglia quadrate intorno alla città centro."
RoadTracer funziona partendo da una posizione nota su una rete stradale e quindi esaminando l'area circostante per individuare quale sarà con maggiore probabilità la parte successiva della strada. Una volta aggiunto questo punto, il processo viene ripetuto più e più volte finché non viene aggiunta l'intera rete stradale.
In futuro, il team spera di andare oltre il semplice affidamento su immagini aeree per la mappatura. “Per esempio, non ti danno informazioni sulle strade con cavalcavia, perché ovviamente non puoi vederle dall’alto”, ha detto Bastani. “Uno dei nostri altri progetti è quello di addestrare i sistemi sui dati GPS e poi riuscire a fondere questi approcci in un unico sistema di mappatura”.
Un documento che descrive il lavoro sarà presentato a giugno alla Conferenza sulla visione artificiale e il riconoscimento dei modelli (CVPR) a Salt Lake City.
Raccomandazioni degli editori
- L'A.I. battere gli ingegneri umani nella progettazione di microchip? Google la pensa così
- Architettura algoritmica: dovremmo lasciare che l’A.I. progettare edifici per noi?
- Perché insegnare ai robot a giocare a nascondino potrebbe essere la chiave per l’intelligenza artificiale di prossima generazione
- Nuova IA intelligente il sistema promette di addestrare il tuo cane mentre sei lontano da casa
- Nuova I.A. l'apparecchio acustico apprende le tue preferenze di ascolto e apporta le modifiche
Migliora il tuo stile di vitaDigital Trends aiuta i lettori a tenere d'occhio il frenetico mondo della tecnologia con tutte le ultime notizie, divertenti recensioni di prodotti, editoriali approfonditi e anteprime uniche nel loro genere.
