Notícia

Usando inteligência artificial para enriquecer mapas digitais

Fonte

MIT | Instituto de Tecnologia de Massachusetts

Data

terça-feira, 28 janeiro 2020 13:00

Áreas

Geociências. Inteligência Artificial.

Um modelo que usa inteligência artificial inventado por pesquisadores do Instituto de Tecnologia de Massachusetts (MIT) e do Qatar Computing Research Institute (QCRI) que usa imagens de satélite para marcar características de ruas ou estradas em mapas digitais pode ajudar a melhorar a navegação GPS.

Mostrar aos motoristas mais detalhes sobre suas rotas geralmente pode ajudá-los a navegar em locais desconhecidos. A contagem de faixas, por exemplo, pode permitir que um sistema GPS avise os motoristas sobre faixas divergentes ou mescladas. A incorporação de informações sobre vagas em estacionamentos pode ajudar os motoristas a tomar uma decisão com antecedência, enquanto o mapeamento de ciclovias pode ajudar os ciclistas a planejar sua movimentação. O fornecimento de informações atualizadas sobre as condições em solo também pode melhorar o planejamento da assistência em desastres.

Mas a criação de mapas detalhados é um processo caro e demorado, feito principalmente por grandes empresas, como o Google, que envia veículos com câmeras para capturar vídeos e imagens de uma área. Combinar isso com outros dados pode criar mapas precisos e atualizados. Como esse processo é caro, no entanto, algumas partes do mundo são ignoradas.

Uma solução é liberar modelos de aprendizado de máquina em imagens de satélite – que são mais fáceis de obter e atualizar com bastante regularidade – para marcar automaticamente os recursos em solo. Mas as ruas e estradas podem ser obstruídas por, digamos, árvores e prédios, o que torna o processo uma tarefa desafiadora.

Em um artigo apresentado na conferência Association for the Advancement of Artificial Intelligence, os pesquisadores do MIT e do QCRI descrevem o “RoadTagger”, que usa uma combinação de arquiteturas de redes neurais para prever automaticamente o número de faixas e tipos de ruas ou estradas (residenciais ou rodoviárias) por trás de obstruções visuais.

Ao testar o RoadTagger em estradas obstruídas a partir de mapas digitais de 20 cidades dos EUA, o modelo contou números de faixas com 77% de precisão e tipos de estradas inferidos com 93% de precisão. Os pesquisadores também planejam permitir que o RoadTagger preveja outros recursos, como vagas de estacionamento e ciclovias.

“Os mapas digitais mais atualizados são de lugares que as grandes empresas mais se preocupam. Se você está em lugares onde eles não se importam muito, você está em desvantagem em relação à qualidade do mapa”, diz o co-autor Dr. Sam Madden, professor do Departamento de Engenharia Elétrica e Ciência da Computação e pesquisador no Laboratório de Ciência da Computação e Inteligência Artificial do MIT. “Nosso objetivo é automatizar o processo de geração de mapas digitais de alta qualidade, para que possam estar disponíveis em qualquer país”.

Acesse o artigo científico completo apresentado na conferência (em inglês).

Acesse a notícia completa na página do MIT (em inglês).

Fonte: Rob Matheson, MIT News Office. Imagem: Google Maps e MIT News.