RoadTracer: Bättre automatiserade kartor
Google Maps är en triumf av artificiell intelligens i aktion, med förmågan att guida oss från en plats till en annan med hjälp av imponerande maskininlärning teknologi. Men även om routingdelen av Google Maps inte behöver för många människor i mixen, är det otroligt tidskrävande och vardagligt att manuellt spåra vägarna på flygbilderna för att göra dem maskinanvändbara. Som ett resultat, även med tusentals timmar spenderade på denna uppgift, har Google-anställda fortfarande inte lyckats kartlägga majoriteten av de över 20 miljoner mil av vägbanor som sträcker sig runt om i världen.
Lyckligtvis har forskare från Massachusetts Institute of Technologys datavetenskap och Artificial Intelligence Laboratory (CSAIL) och Qatar Computing Research Institute kan ha kommit med en lösning. De utvecklade en automatiserad metod för att bygga färdplaner som är 45 procent mer exakt än befintliga metoder. Kallas RoadTracer, verket använder neurala nätverk för att intelligent kartlägga vägar på bilder. Systemet kan vara särskilt väl lämpat för att kartlägga delar av världen där kartor ofta är inaktuella, som avlägsna områden och landsbygdsområden i utvecklingsländerna.
Rekommenderade videor
"Vi tränade det neurala nätet med hjälp av flygbilder av 25 städer i sex länder i Nordamerika och Europa," Favyen Bastani, en doktorand vid MIT CSAIL, berättade för Digital Trends. "Särskilt, för varje stad sammanställde vi en korpus av högupplösta satellitbilder från Google Earth och grafer från OpenStreetMap, som täcker en region på cirka 10 kvadratkilometer runt staden Centrum."
RoadTracer fungerar genom att börja med en känd plats på ett vägnät och sedan undersöka omgivningen för att räkna ut vad som med största sannolikhet blir nästa del av vägen. När denna punkt har lagts till upprepas processen gång på gång tills hela vägnätet har lagts till.
Framöver hoppas teamet kunna gå längre än att förlita sig på framför allt flygbilder för kartläggning. "De ger dig till exempel inte information om vägar med överfarter, eftersom du uppenbarligen inte kan se dem ovanifrån," sa Bastani. "Ett av våra andra projekt är att träna system på GPS-data och sedan att så småningom kunna slå samman dessa tillvägagångssätt till ett enda kartsystem."
Ett dokument som beskriver arbetet kommer att presenteras i juni vid konferensen om datorseende och mönsterigenkänning (CVPR) i Salt Lake City.
Redaktörens rekommendationer
- Kan A.I. slå mänskliga ingenjörer vid design av mikrochips? Google tycker det
- Algoritmisk arkitektur: Ska vi låta A.I. designa byggnader åt oss?
- Varför lära robotar att leka kurragömma kan vara nyckeln till nästa generations A.I.
- Smart ny A.I. systemet lovar att träna din hund när du är borta från hemmet
- Nya A.I. hörapparaten lär sig dina lyssningspreferenser och gör justeringar
Uppgradera din livsstilDigitala trender hjälper läsare att hålla koll på den snabba teknikvärlden med alla de senaste nyheterna, roliga produktrecensioner, insiktsfulla redaktioner och unika smygtittar.
