微軟
活動+
 

麻省理工聯手QCRI AI改善GPS導航

為了改善GPS導航準確度,麻省理工學院和卡達計算研究所的研究人員開發新AI模型,透過衛星圖像來標記數位地圖中的道路特徵。法新社

為了改善GPS導航準確度,麻省理工學院(MIT)和卡達計算研究所(QCRI)的研究團隊開發新的人工智慧(AI)模型,透過衛星圖像來標記數位地圖中的道路特徵。

據Traffic Technology Today報導,建立詳細的地圖不僅昂貴又耗時,目前主要由Google派出街景車搭載攝影機,捕捉道路的影片和圖像,再將這些資料結合其他平台所繪製的地圖。出於成本的考量,Google Maps還是缺少某些地區的地圖。

由於影片和圖像方便取得,且可以頻繁更新,因此利用衛星圖像的機器學習模型更容易自動標記道路特徵,麻省理工學院與QCRI的科學家通過卷積神經網路(CNN)及圖神經網路(GNN)的組合,研發名為「RoadTagger」的道路預測工具,能預測障礙物後方車道的數量、住宅和道路類型。

據了解,卷積神經網路通常用於影像處理任務,而圖神經網路能對地圖中的連結點之間建立關係,而該模型擁有「端對端」特性,可以從原始數據中自動獲取特徵,不需要人工干預。

報導指出,卷積神經網路獲取目標道路的原始衛星圖像,再由圖神經網路將道路分成約20公尺的「圖磚」,每個圖磚都是單獨的圖形節點。而卷積神經網路能取出道路特徵並與相鄰節點共用數據。

開放街圖(OSM)允許使用者編輯世界數位地圖,研究人員也透過OSM以及Google Maps衛星圖像收集美國20座城市的道路屬性,以此來測試與訓練RoadTagger。

結果顯示,該模型計算道路編號的準確率為77%,推斷道路類型的準確度高達93%。研究團隊計劃訓練RoadTagger能預測停車位和自行車道。

麻省理工電機工程與資訊科學系教授表示,研究的主要目標是自動生成高品質的數位地圖,並且在任何國家都能使用。當在不熟悉的位置導航時,新AI地圖模型可以協助駕駛更加了解地理方位。


  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 人工智慧