ابتكر باحثون في معهد ماساتشوستس للتكنولوجيا MIT نموذجًا جديدًا لإثراء الخرائط الرقمية يسمى RoadTagger يستخدم صور الأقمار الصناعية لتحديد ميزات الطرق في الخرائط الرقمية، مما قد يساعد في تحسين التنقل عبر نظام تحديد المواقع العالمي GPS، وجرى شرح النموذج في ورقة قدمت في مؤتمر جمعية النهوض بالذكاء الاصطناعي.
وعادةً ما يتم إنشاء خرائط نظام تحديد المواقع العالمي GPS بواسطة شركات كبرى مثل غوغل، التي ترسل مركبات مزودة بكاميرات تجول ضمن الأحياء لالتقاط الفيديو والصور الخاصة بطرق المنطقة، لكن هذه العملية باهظة التكلفة، كما أن الحفاظ على هذه الخرائط محدثة يستغرق وقتًا طويلاً.
وتبعًا إلى أن التكاليف المرتفعة، يتم تجاهل بعض أجزاء العالم، ولا تظهر هناك إلا بيانات نظام تحديد المواقع العالمي GPS الأساسية فقط، ويتمثل أحد حلول هذه التحديات في إيجاد نموذج تعليم آلي مرتبط بصور الأقمار الصناعية، والتي يسهل الحصول عليها وتحديثها بانتظام إلى حد ما، وذلك في سبيل تحديد ميزات الطريق تلقائيًا.
لكن المشكلة هي أن صور الأقمار الصناعية للطرق غالبًا ما تكون غامضة بسبب أشياء مثل الأشجار والمباني، مما يجعل الأمور أكثر صعوبة بالنسبة لعنصر التعلم الآلي، وهنا يأتي دور الابتكار الجديد من معهد ماساتشوستس للتكنولوجيا.
ويستخدم النموذج الجديد مزيجًا من بنية الشبكة العصبونية للتنبؤ تلقائيًا بعدد الممرات وأنواع الطرق (السكنية أو السريعة) وراء العوائق، وتمكن النموذج في الاختبارات ضمن الطرق المعزولة من حساب أرقام الممرات بدقة تصل إلى 77%، ويمكنه أن يستنتج أنواع الطرق (السكنية أو السريعة) بدقة 93%.
ويخطط الباحثون أيضًا لتمكين RoadTagger من التنبؤ بميزات أخرى، مثل أماكن وقوف السيارات وممرات الدراجات، ويأملون أن يتم استخدامها في يوم من الأيام لمساعدة البشر على التحقق من صحة التعديلات المستمرة على الطرق بسرعة.