RoadTracer: mapas melhor automatizados
O Google Maps é um triunfo da inteligência artificial em ação, com a capacidade de nos guiar de um lugar para outro usando alguns impressionantes aprendizado de máquina tecnologia. Mas, embora a parte de roteamento do Google Maps não precise de muitos humanos na mistura, traçar manualmente as estradas nas imagens aéreas para torná-las utilizáveis por máquinas é incrivelmente demorado e mundano. Como resultado, mesmo com milhares de horas gastas nesta tarefa, os funcionários do Google ainda não conseguiram mapear a maior parte dos mais de 32 milhões de quilómetros de estradas que se estendem por todo o mundo.
Felizmente, pesquisadores do Departamento de Ciência da Computação e Ciência da Computação do Instituto de Tecnologia de Massachusetts O Laboratório de Inteligência Artificial (CSAIL) e o Qatar Computing Research Institute podem ter criado um solução. Eles desenvolveram um método automatizado para construir roteiros que é 45% mais preciso do que os métodos existentes. Chamado de RoadTracer, o trabalho utiliza redes neurais para mapear estradas de forma inteligente em imagens. O sistema poderia ser especialmente adequado para mapear partes do mundo onde os mapas estão frequentemente desatualizados, como áreas remotas e rurais no mundo em desenvolvimento.
Vídeos recomendados
“Treinamos a rede neural usando imagens aéreas de 25 cidades em seis países da América do Norte e da Europa”, Favyen Bastani, um estudante de pós-graduação do MIT CSAIL, disse à Digital Trends. “Especificamente, para cada cidade reunimos um corpus de imagens de satélite de alta resolução do Google Earth e gráficos reais da rede rodoviária do OpenStreetMap, cobrindo uma região de aproximadamente 10 milhas quadradas ao redor da cidade Centro."
O RoadTracer funciona começando com um local conhecido em uma rede rodoviária e, em seguida, examinando a área circundante para descobrir qual será a próxima parte da estrada com maior probabilidade. Uma vez adicionado este ponto, o processo é repetido várias vezes até que toda a rede rodoviária tenha sido adicionada.
No futuro, a equipe espera ir além da dependência principalmente de imagens aéreas para mapeamento. “Por exemplo, eles não fornecem informações sobre estradas com viadutos, pois obviamente não é possível vê-las de cima”, disse Bastani. “Um dos nossos outros projetos é treinar sistemas em dados de GPS e, eventualmente, ser capaz de fundir essas abordagens em um único sistema de mapeamento.”
Um artigo descrevendo o trabalho será apresentado em junho na Conferência sobre Visão Computacional e Reconhecimento de Padrões (CVPR) em Salt Lake City.
Recomendações dos Editores
- A IA pode vencer os engenheiros humanos no projeto de microchips? Google pensa assim
- Arquitetura algorítmica: devemos deixar a I.A. projetar edifícios para nós?
- Por que ensinar robôs a brincar de esconde-esconde pode ser a chave para a IA da próxima geração
- Nova IA inteligente sistema promete treinar seu cachorro enquanto você estiver fora de casa
- Nova IA aparelho auditivo aprende suas preferências auditivas e faz ajustes
Atualize seu estilo de vidaDigital Trends ajuda os leitores a manter o controle sobre o mundo acelerado da tecnologia com as últimas notícias, análises divertidas de produtos, editoriais criteriosos e prévias únicas.
