Sztuczna inteligencja zaktualizuje cyfrowe mapy i poprawi nawigację GPS
Google i inni giganci technologiczni mają swoje sposoby na utrzymywanie map w tak aktualnym stanie, jak to tylko możliwe, ale to bardzo drogi i czasochłonny proces, który jak się okazuje można znacznie skrócić.
Kierowcy bardzo często znajdują się w sytuacji, kiedy ich nawigacja prowadzi ich w złe miejsce, wybiera drogę, która okazuje się być zamknięta albo nie wybiera najbardziej optymalnej trasy, bo w ogóle nie ma pojęcia o jej istnieniu. Co więcej, twórcy najpopularniejszych rozwiązań często skupiają swoją uwagę na ważnych dla nich miejscach, traktując inne nieco po macoszemu: - Większość cyfrowych map skupia się na obszarach, o które giganci technologiczni dbają najbardziej. Jeśli więc znajdziemy się w miejscu, o które nie dbają tak bardzo, można oczekiwać znacznie niższej jakości mapy. Naszym celem jest automatyzacja procesu generowania automatycznych map, które będą dostępne dla całego kraju - twierdzi Sam Maddan z MIT.
Aby to zmienić i znacznie usprawnić cały proces, naukowcy z tej uczelni oraz Qatar Computing Research Institute (QCRI) opracowali nowy model maszynowego uczenia oparty o zdjęcia satelitarne, który potrafi znacząco poprawić cyfrowe mapy wykorzystywane w nawigacji GPS. System noszący nazwę RoadTagger rozpoznaje typy dróg i liczbę pasów na zdjęciach satelitarnych, nawet pomimo drzew czy budynków zasłaniających widok. W przyszłości, będzie w stanie zidentyfikować więcej detali, jak choćby miejsce parkingowe czy ścieżki rowerowe.
RoadTagger polega na kombinacji splotowej sieci neuronowej (CNN) oraz genetycznej sieci neuronowej (GNN), aby automatycznie przewidywać liczbę pasów i typ drogi znajdującej się za przeszkodami. Mówiąc krótko, model jest karmiony surowymi danymi i automatycznie, bez udziału człowieka, podaje potrzebny wynik, nawet jeśli droga na zdjęciach satelitarnych jest zasłonięta na przykład lasem. Jak zapewniają twórcy rozwiązania, testowali je na prawdziwych danych z obszaru 688 km2 obejmujących 20 amerykańskich miast, uzyskując 93% skuteczności w przypadku wykrywania typu drogi i 77% w liczbie pasów.
Jeśli faktycznie uda się uzyskać i utrzymać taką dokładność na cyfrowych mapach, to oznacza to nie tylko duże ułatwienie i oszczędność czasu dla kierowców, bo taki system może też znacznie poprawić bezpieczeństwo na drogach. W jaki sposób? Przewidując wypadki i dostarczając aktualnych informacji dla służb ratunkowych, które będą mogły sprawniej znaleźć się na miejscu. Naukowcy zapewniają jednak, że to dopiero początek i ciężko pracują również nad tym, by rozwiązanie było w stanie identyfikować również inne dane, jak ścieżki rowerowe, zatoczki parkingowe czy rodzaj nawierzchni - wszystko, co może przydać się kierowcom, szczególnie tym wybierającym się w obce rejony.
Źródło: GeekWeek.pl/MIT / Fot. MIT
