Nowe narzędzie, które zostało opracowane przez naukowców z MIT we współpracy z Qatar Computing Research Institute (QCRI), powinno ułatwić życie kierowcom. W założeniach jego wykorzystanie zapewni bowiem dokładniejsze mapy.
Sztuczna inteligencja i zdjęcia satelitarne
Tworzenie dokładnych nawigacji GPS, które sprawdzą się podczas podróży samochodem, to trudny i kosztowny proces. Producenci korzystają nie tylko ze zdjęć satelitarnych, lotniczych czy innych dostępnych danych o drogach. Często muszą również wypuścić flotę własnych samochodów, które zbiorą dokładniejsze informacje. Dzięki temu, firmy mogą ustalić m.in. liczbę pasów i kierunek, do którego prowadzą.
Dane nie tylko trzeba zebrać i przetworzyć, ale wymagana jest ich ciągła aktualizacja, co generuje kolejna koszta. W związku z tym, nawigacje często tworzone są przez duże firmy. Nawet jednak najwięksi gracze, jak chociażby Google, nie są w stanie zapewnić zawsze aktualnych informacji. Ponadto, nie wszystkie obszary są dokładniej mapowane przez samochody – nie zawsze jest to opłacalne oraz pojawiają się inne problemy.
Rozwiązaniem, które może pomóc w tworzeniu dokładniejszych map oraz w ich sprawnym aktualizowaniu, ma być narzędzie RoadTagger. Wykorzystuje ono zdjęcia satelitarne i sztuczną inteligencję, aby rozpoznać liczbę pasów, zjazdy oraz typy dróg.
Jasne, jeśli spojrzymy na szczegółowe zdjęcie satelitarne, to raczej nie będziemy mieli problemów z policzeniem liczby pasów. Gorzej jest jednak z nauczeniem tego maszyny, szczególnie, jeśli wybrane fragmenty drogi są zasłonięte (np. przez drzewa). Tutaj do pracy muszą wejść odpowiednie algorytmy, które zapewnią skuteczność na zadowalającym poziomie.
RoadTagger opiera się na kombinacji splotowej sieci neuronowej (CNN), często używanej do zadań rozpoznawania obrazu, a także sieci neuronowej (GNN), czyli grafowej, która rozumie relacje między punktami danych. To właśnie dzięki temu cały system jest w stanie odczytać niezbędne informacje z dostarczonych mu zdjęć satelitarnych.
Narzędzie zostało już przetestowane na zdjęciach przedstawiających 20 amerykańskich miast. RoadTagger poprawnie zidentyfikował 77% ukrytych pasów jezdni i wykazał się skutecznością na poziomie 93% podczas wskazywania typów drogi. Naukowcy nie zamierzają na tym poprzestać – w planach są kolejne udoskonalenia narzędzia, aby zwiększyć jego dokładność. Dodatkowo, ma on z czasem rozpoznawać parkingi i ścieżki rowerowe.
Celem nie jest zastąpienie obecnych metod stosowanych podczas tworzenia dokładnych map. Firmy nadal będą musiały chociażby posiadać flotę samochodów. RoadTagger może jednak zapewnić lepsze mapy w obszarach, które wcześniej nie były traktowane priorytetowo. Powinien sprawdzić się również w sytuacjach, gdy wymagane będzie szybkie wprowadzenie aktualizacji do nawigacji.
Polecamy również:
Test Apple CarPlay – oto, co oferuje kierowcom iPhone z iOS 13
źródło: MIT, ExtremeTech
