RoadTracer: beter geautomatiseerde kaarten
Google Maps is een triomf van kunstmatige intelligentie in actie, met de mogelijkheid om ons van de ene plaats naar de andere te leiden met behulp van een aantal indrukwekkende machinaal leren technologie. Maar hoewel er voor het routegedeelte van Google Maps niet al te veel mensen nodig zijn, is het handmatig traceren van de wegen op de luchtfoto's om ze machinaal bruikbaar te maken ongelooflijk tijdrovend en alledaags. Als gevolg hiervan zijn Google-medewerkers er, ondanks duizenden uren die aan deze taak zijn besteed, nog steeds niet in geslaagd om het grootste deel van de meer dan 30 miljoen kilometer aan wegen die zich over de hele wereld uitstrekken in kaart te brengen.
Gelukkig hebben onderzoekers van het Massachusetts Institute of Technology’s Computer Science en Het Artificial Intelligence Laboratory (CSAIL) en het Qatar Computing Research Institute hebben mogelijk een oplossing bedacht oplossing. Ze ontwikkelden een geautomatiseerde methode om routekaarten te bouwen die 45 procent nauwkeuriger is dan bestaande methoden. Het werk heet RoadTracer en maakt gebruik van neurale netwerken om wegen op intelligente wijze in kaart te brengen op afbeeldingen. Het systeem zou bijzonder geschikt kunnen zijn om delen van de wereld in kaart te brengen waar kaarten vaak verouderd zijn, zoals afgelegen en landelijke gebieden in de ontwikkelingslanden.
Aanbevolen video's
“We hebben het neurale net getraind met behulp van luchtfoto’s van 25 steden in zes landen in Noord-Amerika en Europa,” Favyen Bastani, een afgestudeerde student aan MIT CSAIL, aan Digital Trends. “Specifiek hebben we voor elke stad een corpus van satellietbeelden met hoge resolutie van Google Earth samengesteld Ground Truth-wegennetwerkgrafieken van OpenStreetMap, die een gebied van ongeveer 10 vierkante kilometer rond de stad bestrijken centrum."
RoadTracer werkt door te beginnen met een bekende locatie op een wegennetwerk en vervolgens de omgeving te onderzoeken om uit te zoeken wat het meest waarschijnlijk het volgende deel van de weg zal zijn. Nadat dit punt is toegevoegd, wordt het proces steeds opnieuw herhaald totdat het hele wegennetwerk is toegevoegd.
In de toekomst hoopt het team verder te gaan dan het vertrouwen op voornamelijk luchtfoto's voor het in kaart brengen. “Ze geven je bijvoorbeeld geen informatie over wegen met viaducten, omdat je ze uiteraard niet van bovenaf kunt zien”, aldus Bastani. “Een van onze andere projecten is om systemen te trainen op basis van GPS-gegevens, en om deze benaderingen uiteindelijk in één enkel kaartsysteem te kunnen samenvoegen.”
Een paper waarin het werk wordt beschreven, zal in juni worden gepresenteerd op de Conference on Computer Vision and Pattern Recognition (CVPR) in Salt Lake City.
Aanbevelingen van de redactie
- Kan A.I. menselijke ingenieurs verslaan bij het ontwerpen van microchips? Google denkt van wel
- Algoritmische architectuur: moeten we A.I. gebouwen voor ons ontwerpen?
- Waarom het leren van robots om verstoppertje te spelen de sleutel zou kunnen zijn tot de volgende generatie AI
- Slimme nieuwe A.I. systeem belooft uw hond te trainen terwijl u niet thuis bent
- Nieuwe AI hoortoestel leert uw luistervoorkeuren kennen en voert aanpassingen uit
Upgrade uw levensstijlMet Digital Trends kunnen lezers de snelle technische wereld in de gaten houden met het laatste nieuws, leuke productrecensies, inzichtelijke redactionele artikelen en unieke sneak peeks.
