Czy modele sztucznej inteligencji mogą pomóc w poruszaniu się po obszarach (ulicach), na których nigdy wcześniej nie były szkolone lub dla których nie przekazano im wystarczających danych szkoleniowych? Tego właśnie niepokoją się naukowcy z zespołu zajmującego się rozwojem sztucznej inteligencji DeepMind. Po wielu latach inkubacji naukowcy w końcu odnieśli sukces w projekcie badawczym zatytułowanym: „Cross-View Policy Learning for Street nawigacji”, ujawnionym niedawno w artykule opublikowanym na Arxiv.org.
W tym badaniu naukowcy z DeepMind opisują rozwój polityki sztucznej inteligencji wytrenowanej na podstawie bogatej hurtowni danych pod wieloma kątami (głównie zdjęcia robione od góry do dołu), ukierunkowanej na różne obszary miasta, w celu uzyskania bardziej optymalnej efektywności obserwacji. Naukowcy uważają, że takie podejście doprowadziłoby do lepszych wyników uogólnień.

W istocie inspiracją dla tych badań jest fakt, że ludzie mogą szybko dostosować się do układu i podstawowej struktury nowego miasta, wielokrotnie dokładnie przeglądając mapę tego miasta.
„Zdolność nawigacji na podstawie obserwacji wizualnych w nieznanym środowisku jest kluczowym elementem badania zdolności modeli sztucznej inteligencji do uczenia się nawigacji. Zdolność modeli AI do poruszania się po ulicach w przypadkach, gdy brakuje danych szkoleniowych, była dotychczas stosunkowo ograniczona, a oparcie się na modelach symulacyjnych nie jest rozwiązaniem, które może być skuteczne w dłuższej perspektywie. Naszą główną ideą jest połączenie widoku z ziemi z widokiem z powietrza i zbadanie wspólnych zasad, które umożliwią przełączanie między widokami” – powiedział przedstawiciel zespołu badawczego.
Mówiąc dokładniej, pierwszym krokiem, jaki badacze będą musieli wykonać, będzie zebranie map lotniczych obszaru, po którym zamierzają się poruszać (w połączeniu z trybami obserwacji ulic opartymi na współrzędnych geograficznych). Następnie rozpoczęli trzyczęściową misję teleportacyjną, rozpoczynającą się od szkolenia na danych i dostosowania obszaru źródłowego za pomocą obserwacji lotniczych obszaru, a kończącą na przemieszczaniu się do docelowego obszaru za pomocą obserwacji naziemnych.
System uczenia maszynowego zespołu badawczego zawiera zestaw 3 odrębnych modułów, w tym:
- Moduł splotowy odpowiedzialny za percepcję wzrokową.
- Moduł pamięci krótkotrwałej (LSTM) jest odpowiedzialny za pobieranie cech specyficznych dla lokalizacji.
- Moduł neuronowy polityki rekurencyjnej pomaga tworzyć podziały poprzez działania.
Ten model uczenia maszynowego został wdrożony w StreetAir – wieloperspektywicznym środowisku ulicznym na świeżym powietrzu – zbudowanym na bazie StreetLearn. (StreetLearn to pierwsza interaktywna kolekcja zdjęć panoramicznych pobranych z Google Street View i Map Google).
W StreetAir i StreetLearn zdjęcia lotnicze zawierające panoramiczne widoki Nowego Jorku (w tym Śródmieście Nowego Jorku i Midtown NYC) oraz Pittsburgha (kampusy Allegheny College i Carnegie Mellon University) są ułożone w taki sposób, że na każdej szerokości geograficznej, w stopniach i długościach geograficznych, środowisko powraca z lotu ptaka obrazy w rozmiarze 84 x 84, takim samym rozmiarze jak zdjęcia z ziemi.
System AI po przejściu szkolenia będzie miał za zadanie nauczyć się lokalizować i nawigować po panoramicznej mapie obrazowej Street View ze współrzędnymi długości i szerokości geograficznej miejsca docelowego.
Panoramy obejmują obszary o boku 2-5 km, oddalone od siebie o około 10 m, a pojazdy (sterowane przez sztuczną inteligencję) będą mogły wykonać 1 z 5 akcji na turę: poruszanie się do przodu, skręcenie w lewo lub w prawo o 22,5 stopnia lub skręcenie w lewo lub w prawo o 67,5 stopni.
Po zbliżeniu się do docelowej lokalizacji na odległość 100-200 metrów pojazdy te otrzymają „nagrody”, które zachęcą do szybkiego i dokładnego identyfikowania oraz omijania skrzyżowań.
W eksperymentach pojazdy, które wykorzystywały zdjęcia lotnicze do dostosowywania się do nowych warunków, osiągnęły wskaźniki nagrody wynoszące 190 przy 100 milionach kroków i 280 przy 200 milionach kroków, przy czym oba były znacznie wyższe w porównaniu z pojazdami wykorzystującymi wyłącznie dane z obserwacji naziemnych (50 przy 100 milionach kroków i 200 przy 200 milionach kroków). milion kroków). Według naukowców wyniki pokazały, że opracowana przez nich metoda znacznie poprawia zdolność pojazdów do skuteczniejszego zdobywania wiedzy na temat wielu obszarów docelowego miasta.

