RoadTracer: Bedre automatiserte kart
Google Maps er en triumf av kunstig intelligens i aksjon, med muligheten til å veilede oss fra ett sted til et annet ved hjelp av noen imponerende maskinlæring teknologi. Men selv om rutedelen av Google Maps ikke trenger for mange mennesker i blandingen, er det utrolig tidkrevende og dagligdags å spore veiene på flybildene for å gjøre dem maskinbrukbare. Som et resultat, selv med tusenvis av timer brukt på denne oppgaven, har Google-ansatte fortsatt ikke klart å kartlegge majoriteten av de over 20 millioner milene med veier som strekker seg rundt om i verden.
Heldigvis har forskere fra Massachusetts Institute of Technologys datavitenskap og Artificial Intelligence Laboratory (CSAIL) og Qatar Computing Research Institute kan ha kommet opp med en løsning. De utviklet en automatisert metode for å bygge veikart som er 45 prosent mer nøyaktig enn eksisterende metoder. Kalt RoadTracer, bruker verket nevrale nettverk til intelligent kartlegging av veier på bilder. Systemet kan være spesielt godt egnet til å kartlegge deler av verden der kart ofte er utdaterte, som avsidesliggende områder og landlige områder i utviklingsland.
Anbefalte videoer
"Vi trente nevrale nettet ved å bruke flybilder av 25 byer i seks land i Nord-Amerika og Europa," Favyen Bastani, en doktorgradsstudent ved MIT CSAIL, fortalte Digital Trends. "Spesifikt, for hver by samlet vi et korpus av høyoppløselige satellittbilder fra Google Earth og jordsannhetsveinettverksgrafer fra OpenStreetMap, som dekker et område på omtrent 10 kvadratkilometer rundt byen senter."
RoadTracer fungerer ved å starte med en kjent plassering på et veinett og deretter undersøke området rundt for å finne ut hva som mest sannsynlig blir neste del av veien. Når dette punktet er lagt til, gjentas prosessen gang på gang til hele veinettet er lagt til.
Fremover håper teamet å gå lenger enn å stole på hovedsakelig flybilder for kartlegging. "For eksempel gir de deg ikke informasjon om veier med overganger, siden du åpenbart ikke kan se dem ovenfra," sa Bastani. "Et av våre andre prosjekter er å trene systemer på GPS-data, for deretter å kunne slå sammen disse tilnærmingene til ett enkelt kartsystem."
Et papir som beskriver arbeidet vil bli presentert i juni på Conference on Computer Vision and Pattern Recognition (CVPR) i Salt Lake City.
Redaktørenes anbefalinger
- Kan A.I. slå menneskelige ingeniører med å designe mikrobrikker? Google mener det
- Algoritmisk arkitektur: Bør vi la A.I. designe bygninger for oss?
- Hvorfor lære roboter å leke gjemsel kan være nøkkelen til neste generasjons A.I.
- Smart ny A.I. systemet lover å trene hunden din mens du er borte fra hjemmet
- Ny A.I. høreapparatet lærer dine lyttepreferanser og gjør justeringer
Oppgrader livsstilen dinDigitale trender hjelper leserne å følge med på den fartsfylte teknologiverdenen med alle de siste nyhetene, morsomme produktanmeldelser, innsiktsfulle redaksjoner og unike sniktitter.
