AI模型利用空中和地面資料導航到難以觀察的區域

人工智慧模型能否幫助它們穿越以前從未接受過訓練或沒有獲得足夠訓練資料的區域（街道）？這正是DeepMind人工智慧開發團隊的科學家所關心的。經過多年的孵化，科學家們終於在一個名為「街道導航的跨視圖策略學習」的研究計畫中取得了成功，該計畫最近在 Arxiv.org 上發表的一篇文章中透露。

在這項研究中，DeepMind 科學家描述了從豐富的資料倉儲中多角度（主要是從上到下拍攝的影像）訓練的 AI 策略的開發，針對城市的不同區域，以獲得更優化的觀察效率。研究人員認為，這種方法會帶來更好的泛化結果。

• AI（人工智慧）和認知運算（認知運算）的區別

從本質上講，這項研究的靈感來自於這樣一個事實：人們可以透過多次仔細檢查那個城市的地圖來快速適應新城市的佈局和基本結構。

「在不熟悉的環境中透過視覺觀察進行導航的能力是研究人工智慧模型學習導航能力的核心組成部分。迄今為止，在缺乏訓練資料的情況下，人工智慧模型在街道上導航的能力相對有限，並且依賴模擬模型並不是長期有效的解決方案。我們的核心理念是將地面視圖與空中視圖結合起來，探索能夠實現視圖之間切換的通用策略。」研究團隊的一位代表說。

• 谷歌發表龐大的AI訓練資料倉儲，包含全球20萬個地標的超過500萬張照片

更具體地說，研究人員要做的第一步是收集他們打算導航的區域的航空地圖（結合基於地理座標的街道觀察模式。相應的原因）。接下來，他們開始執行三部分的傳送任務，首先是資料訓練和利用空中觀測調整來源區域，最後利用地面觀測移動到目標區域。

研究團隊的機器學習系統包含一組 3 個獨立的模組，包括：

• 卷積模組，負責視覺感知。
• 長短期記憶（LSTM）模組負責檢索特定位置的特徵。
• 政策循環神經模組有助於透過行動創造分歧。

這個機器學習模型部署在 StreetAir 中，這是一個建立在 StreetLearn 之上的多視角戶外街道環境。（StreetLearn 是第一個從 Google 街景和 Google 地圖中提取的全景照片的互動式集合）。

• 人工智慧利用推文幫助研究人員分析洪水情況

在StreetAir 和StreetLearn 中，包含紐約市（包括紐約市中心和紐約市中心）和匹茲堡（阿勒格尼學院和卡內基梅隆大學校園）全景的空拍圖像進行排列，以便在每個緯度坐標度和經度處，環境返回空拍影像尺寸為 84 x 84，與地面影像的尺寸相同。

人工智慧系統經過訓練後，將負責學習如何使用目的地的經度和緯度座標來定位和導航全景街景圖像圖表。

全景圖覆蓋邊長2-5公里、相距約10m的區域，並且（人工智慧控制的）車輛每回合將被允許執行5個動作中的1個：前進、左轉或右轉22.5度或左轉或右轉67.5度。

當接近目標位置100-200米範圍內時，這些車輛將獲得“獎勵”，以鼓勵快速準確地識別並通過路口車身。

• 麻省理工學院的人工智慧模型可以用最少的訓練資料自行捕捉物件之間的關係

在實驗中，利用空拍影像來適應新環境的車輛在1 億步時獲得了190 的獎勵指標，在2 億步時獲得了280 的獎勵指標，這兩個指標均明顯高於僅使用地面觀測數據的車輛（在1 億步時為50，在200 步時為200）萬步）。研究人員表示，結果表明，他們的方法顯著提高了車輛更有效地獲得目標城市多個區域知識的能力。