โมเดล AI ใช้ข้อมูลทางอากาศและภาคพื้นดินเพื่อนำทางไปยังพื้นที่ที่สังเกตได้ยาก

โมเดลปัญญาประดิษฐ์สามารถช่วยนำทางผ่านพื้นที่ (ถนน) ที่ไม่เคยได้รับการฝึกอบรมมาก่อน หรือไม่ได้รับข้อมูลการฝึกอบรมเพียงพอหรือไม่ นั่นคือสิ่งที่นักวิทยาศาสตร์จากทีมพัฒนาปัญญาประดิษฐ์ DeepMind กังวล และหลังจากการบ่มเพาะเป็นเวลาหลายปี ในที่สุด นักวิทยาศาสตร์ก็ประสบความสำเร็จในโครงการวิจัยชื่อ "Cross-View Policy Learning for Street Navigation" ซึ่งเพิ่งเปิดเผยในบทความที่เผยแพร่บน Arxiv.org

ในการวิจัยนี้ นักวิทยาศาสตร์ของ DeepMind บรรยายถึงการพัฒนานโยบาย AI ที่ได้รับการฝึกอบรมจากคลังข้อมูลที่หลากหลายซึ่งมีหลายมุม (ส่วนใหญ่เป็นภาพที่ถ่ายจากบนลงล่าง) โดยกำหนดเป้าหมายไปยังพื้นที่ต่างๆ ของเมือง เพื่อประสิทธิภาพในการสังเกตที่เหมาะสมที่สุด นักวิจัยเชื่อว่าแนวทางดังกล่าวจะนำไปสู่ผลลัพธ์โดยรวมที่ดีขึ้น

• ความแตกต่างระหว่าง AI (ปัญญาประดิษฐ์) และคอมพิวเตอร์ทางปัญญา (Cognitive Computing)

โดยพื้นฐานแล้ว งานวิจัยนี้ได้รับแรงบันดาลใจจากความจริงที่ว่าผู้คนสามารถปรับตัวให้เข้ากับรูปแบบและโครงสร้างพื้นฐานของเมืองใหม่ได้อย่างรวดเร็วโดยการตรวจสอบแผนที่ของเมืองนั้นอย่างรอบคอบหลายครั้ง

“ความสามารถในการนำทางจากการสังเกตด้วยภาพในสภาพแวดล้อมที่ไม่คุ้นเคยเป็นองค์ประกอบหลักในการศึกษาความสามารถของโมเดล AI ในการเรียนรู้การนำทาง จนถึงขณะนี้ ความสามารถของโมเดล AI ในการนำทางไปตามท้องถนนในกรณีที่ขาดข้อมูลการฝึกอบรมยังค่อนข้างจำกัดและการพึ่งพาโมเดลจำลองไม่ใช่วิธีแก้ปัญหาที่จะมีประสิทธิภาพในระยะยาว แนวคิดหลักของเราคือการจับคู่มุมมองพื้นดินกับมุมมองทางอากาศและสำรวจนโยบายทั่วไปที่สามารถสลับระหว่างมุมมองได้” ตัวแทนของทีมวิจัยกล่าว

• Google เปิดตัวคลังข้อมูลการฝึกอบรม AI ขนาดใหญ่ที่มีภาพถ่ายมากกว่า 5 ล้านภาพจากจุดสังเกต 200,000 แห่งทั่วโลก

โดยเฉพาะอย่างยิ่ง ขั้นตอนแรกที่นักวิจัยต้องทำคือการรวบรวมแผนที่ทางอากาศของพื้นที่ที่พวกเขาตั้งใจจะนำทาง (รวมกับโหมดการสังเกตถนนตามพิกัดทางภูมิศาสตร์) เหตุผลที่เกี่ยวข้อง) ต่อไป พวกเขาเริ่มภารกิจเคลื่อนย้ายมวลสารสามส่วน โดยเริ่มจากการฝึกอบรมข้อมูลและการปรับพื้นที่ต้นทางโดยใช้การสังเกตการณ์ทางอากาศของพื้นที่ และจบลงด้วยการเคลื่อนที่ไปยังพื้นที่เป้าหมายโดยใช้การสังเกตการณ์ภาคพื้นดิน

ระบบการเรียนรู้ของเครื่องของทีมวิจัยประกอบด้วยชุดโมดูลแยกกัน 3 โมดูล ได้แก่:

• โมดูล Convolutional รับผิดชอบในการรับรู้ทางสายตา
• โมดูลหน่วยความจำระยะสั้นยาว (LSTM) มีหน้าที่ในการดึงข้อมูลลักษณะเฉพาะของตำแหน่ง
• โมดูลประสาทที่เกิดซ้ำของนโยบายช่วยสร้างความแตกแยกผ่านการกระทำ

โมเดลการเรียนรู้ของเครื่องนี้ถูกนำไปใช้ใน StreetAir ซึ่งเป็นสภาพแวดล้อมบนท้องถนนกลางแจ้งแบบหลายมุมมอง ซึ่งสร้างขึ้นบน StreetLearn (StreetLearn เป็นคอลเลกชันภาพถ่ายพาโนรามาเชิงโต้ตอบชุดแรกที่ดึงมาจาก Google Street View และ Google Maps)

• AI ใช้ทวีตเพื่อช่วยนักวิจัยวิเคราะห์สถานการณ์น้ำท่วม

ใน StreetAir และ StreetLearn ภาพถ่ายทางอากาศที่มีทิวทัศน์มุมกว้างของนครนิวยอร์ก (รวมถึงตัวเมือง NYC และ Midtown NYC) และ Pittsburgh (วิทยาเขตของ Allegheny College และ Carnegie Mellon University) ได้รับการจัดเรียงเพื่อให้ในแต่ละพิกัดละติจูด องศาและลองจิจูด สภาพแวดล้อมจะส่งกลับทางอากาศ ภาพที่ขนาด 84 x 84 ซึ่งเป็นขนาดเดียวกับภาพจากพื้นดิน

หลังจากผ่านการฝึกอบรม ระบบ AI จะได้รับมอบหมายให้เรียนรู้วิธีแปลและนำทางแผนภูมิภาพ Street View แบบพาโนรามาพร้อมพิกัดลองจิจูดและละติจูดของจุดหมายปลายทาง

ภาพพาโนรามาครอบคลุมพื้นที่ด้านข้างตั้งแต่ 2-5 กม. ห่างกันประมาณ 10 ม. และยานพาหนะ (ควบคุมด้วย AI) จะได้รับอนุญาตให้ดำเนินการ 1 ใน 5 การกระทำต่อเทิร์น: เดินหน้า เลี้ยวซ้ายหรือขวา 22.5 องศา หรือเลี้ยวซ้ายหรือขวา 67.5 องศา

เมื่อเข้าใกล้สถานที่เป้าหมายภายในระยะ 100-200 เมตร ยานพาหนะเหล่านี้จะได้รับ "รางวัล" เพื่อกระตุ้นให้ระบุและผ่านทางแยกได้อย่างรวดเร็วและแม่นยำ

• โมเดล AI ของ MIT สามารถบันทึกความสัมพันธ์ระหว่างวัตถุได้ด้วยตัวเองโดยใช้ข้อมูลการฝึกเพียงเล็กน้อย

ในการทดลอง ยานพาหนะที่ใช้ประโยชน์จากภาพถ่ายทางอากาศเพื่อปรับให้เข้ากับสภาพแวดล้อมใหม่ ได้รับตัวชี้วัดรางวัลที่ 190 ที่ 100 ล้านขั้น และ 280 ที่ 200 ล้านขั้น ซึ่งสูงกว่าอย่างมากเมื่อเทียบกับยานพาหนะที่ใช้เพียงข้อมูลการสังเกตภาคพื้นดินเท่านั้น (50 ที่ 100 ล้านขั้น และ 200 ที่ 200 ล้านก้าว) ตามที่นักวิจัย ผลการวิจัยแสดงให้เห็นว่าวิธีการของพวกเขาช่วยเพิ่มความสามารถของยานพาหนะในการรับความรู้เกี่ยวกับพื้นที่ต่างๆ ของเมืองเป้าหมายได้อย่างมีประสิทธิภาพมากขึ้น