Os modelos de inteligência artificial podem ajudar a navegar por áreas (ruas) nas quais nunca foram treinados antes ou para as quais não receberam dados de treinamento suficientes? É com isso que os cientistas da equipe de desenvolvimento de inteligência artificial da DeepMind estão preocupados. E depois de muitos anos de incubação, os cientistas finalmente alcançaram sucesso em um projeto de pesquisa chamado: “Cross-View Policy Learning for Street Navigation”, revelado recentemente em um artigo publicado no Arxiv.org.
Nesta pesquisa, os cientistas da DeepMind descrevem o desenvolvimento de uma política de IA treinada a partir de um rico data warehouse com muitos ângulos (principalmente imagens tiradas de cima para baixo), visando diferentes áreas da cidade, para uma eficiência de observação mais ideal. Os pesquisadores acreditam que tal abordagem levaria a melhores resultados de generalização.

Em essência, esta pesquisa é inspirada no fato de que as pessoas podem se adaptar rapidamente ao layout e à estrutura básica de uma nova cidade, examinando cuidadosamente o mapa dessa cidade muitas vezes.
“A capacidade de navegar a partir de observações visuais em ambientes desconhecidos é um componente central no estudo da capacidade dos modelos de IA de aprender a navegação. A capacidade dos modelos de IA para navegar pelas ruas nos casos em que há falta de dados de formação tem sido relativamente limitada até agora, e confiar em modelos de simulação não é uma solução que possa ser eficaz a longo prazo. Nossa ideia central é combinar a visão terrestre com a visão aérea e explorar políticas comuns que possam permitir a alternância entre visões”, disse um representante da equipe de pesquisa.
Mais especificamente, o primeiro passo que os investigadores terão de fazer é recolher mapas aéreos da área que pretendem navegar (combinados com modos de observação de ruas baseados em coordenadas geográficas). Em seguida, embarcaram numa missão de teletransporte em três partes, começando com o treino nos dados e ajustando a área de origem utilizando observações aéreas da área, e terminando com o movimento para a área alvo utilizando observações terrestres.
O sistema de aprendizado de máquina da equipe de pesquisa contém um conjunto de 3 módulos separados, incluindo:
- Módulo convolucional, responsável pela percepção visual.
- O módulo de memória de longo e curto prazo (LSTM) é responsável por recuperar características específicas do local.
- O módulo neural recorrente de política ajuda a criar divisões por meio de ações.
Este modelo de aprendizado de máquina foi implantado no StreetAir – um ambiente de rua ao ar livre com múltiplas perspectivas – construído sobre o StreetLearn. (StreetLearn é a primeira coleção interativa de fotos panorâmicas extraídas do Google Street View e do Google Maps).
No StreetAir e no StreetLearn, imagens aéreas contendo vistas panorâmicas da cidade de Nova York (incluindo Downtown NYC e Midtown NYC) e Pittsburgh (campi do Allegheny College e Carnegie Mellon University) são organizadas de modo que em cada latitude, graus e longitudes coordenadas, o ambiente retorne aéreo imagens no tamanho 84 x 84, o mesmo tamanho das imagens do solo.
O sistema de IA, após passar por treinamento, terá a tarefa de aprender a localizar e navegar em um gráfico panorâmico de imagens do Street View com as coordenadas de longitude e latitude do destino.
Os panoramas cobrem áreas de 2 a 5 km de lado, com cerca de 10 m de distância, e os veículos (controlados por IA) poderão realizar 1 de 5 ações por curva: avançar, virar à esquerda ou à direita 22,5 graus ou virar à esquerda ou à direita 67,5 graus.
Ao se aproximarem do local alvo dentro de 100-200 metros, esses veículos receberão “recompensas” para incentivar a identificação e passagem de cruzamentos com rapidez e precisão.
Em experimentos, os veículos que exploraram imagens aéreas para se adaptarem a novos ambientes alcançaram métricas de recompensa de 190 a 100 milhões de passos e 280 a 200 milhões de passos, ambas significativamente mais altas em comparação com veículos que usam apenas dados de observação terrestre (50 a 100 milhões de passos e 200 a 200 milhões de passos). milhões de passos). Segundo os investigadores, os resultados mostraram que o seu método melhora significativamente a capacidade dos veículos de adquirir conhecimento de forma mais eficaz sobre múltiplas áreas da cidade-alvo.

