РоадТрацер: боље аутоматизоване мапе
Гоогле мапе су тријумф вештачке интелигенције у акцији, са могућношћу да нас води са једног места на друго користећи неке импресивне Машинско учење технологије. Али док део рутирања Гоогле мапа не захтева превише људи у мешавини, ручно праћење путева на снимцима из ваздуха да би их машина учинила употребљивим је невероватно дуготрајно и свакодневно. Као резултат тога, чак и са хиљадама сати утрошених на овај задатак, Гоогле запослени још увек нису успели да мапирају већину од преко 20 милиона миља путева који се протежу широм света.
На срећу, истраживачи са Масачусетског института за технологију и рачунарске науке Лабораторија за вештачку интелигенцију (ЦСАИЛ) и Катарски институт за рачунарска истраживања су можда смислили решење. Развили су аутоматизовани метод за прављење мапа пута који је 45 одсто тачнији од постојећих метода. Назван РоадТрацер, рад користи неуронске мреже за интелигентно мапирање путева на сликама. Систем би могао бити посебно погодан за мапирање делова света где су карте често застареле, као што су удаљена и рурална подручја у свету у развоју.
Препоручени видео снимци
"Обучили смо неуронску мрежу користећи снимке из ваздуха 25 градова у шест земаља Северне Америке и Европе", Фавиен Бастани, дипломирани студент на МИТ ЦСАИЛ, рекао је за Дигитал Трендс. „Конкретно, за сваки град смо саставили корпус сателитских снимака високе резолуције са Гоогле Еартх-а и графови путне мреже приземних истина са ОпенСтреетМап-а, који покривају регион од отприлике 10 квадратних миља око града центар.”
РоадТрацер ради тако што почиње са познатом локацијом на путној мрежи, а затим испитује околину како би утврдио шта ће највероватније бити следећи део пута. Када се ова тачка дода, процес се понавља изнова и изнова док се не дода цела путна мрежа.
У будућности, тим се нада да ће ићи даље од ослањања на углавном слике из ваздуха за мапирање. „На пример, не дају вам информације о путевима са надвожњацима, јер их очигледно не видите одозго“, рекао је Бастани. „Један од наших других пројеката је да обучимо системе на ГПС подацима, а затим да на крају будемо у могућности да спојимо ове приступе у један систем за мапирање.
Рад који описује рад биће представљен у јуну на Конференцији о компјутерском виду и препознавању узорака (ЦВПР) у Солт Лејк Ситију.
Препоруке уредника
- Може ли А.И. победио људске инжењере у дизајнирању микрочипова? Гугл тако мисли
- Алгоритамска архитектура: треба ли дозволити А.И. дизајнирати зграде за нас?
- Зашто би учење робота да се играју жмурке могло бити кључ за АИ следеће генерације
- Паметни нови А.И. систем обећава да ће тренирати вашег пса док сте одсутни од куће
- Нови А.И. слушни апарат учи ваше преференције слушања и врши подешавања
Надоградите свој животни стилДигитални трендови помажу читаоцима да прате брзи свет технологије са свим најновијим вестима, забавним рецензијама производа, проницљивим уводницима и јединственим кратким прегледима.
