圖片來源: 

DeepMind

DeepMind最近於官方部落格公布最新的一項研究,靠著強化學習,讓AI在沒有準確的地圖作為訓練資料的情況下,只透過Google的街景圖學會導航,就像人在學習認路的過程一樣。

DeepMind表示,導航是人類和動物一項非常重要的認知能力,可以在複雜且遙遠的距離範圍中穿梭,而這項能力則是透過自我定位(Self-localisation)和目的地的認知所完成的,即是我在哪裡和我要去哪裡這2項認知。

DeepMind在這項實驗中,提出一個用Google街景圖當作第一視角的互動式導航環境,作為訓練導航AI的資料,透過獎勵的遊戲方式,訓練導航AI。

首先,DeepMind透過神經網路建立AI模型,來辨識多個城市街景圖中的像素,程式如果成功到達目的地,就會得到獎勵,DeepMind形容,就像是負責送貨但是沒有地圖的快遞員一樣,經過反覆的學習,程式可以穿梭於整個城市,並在不同的城市用相同的方式學習導航。

與過去的導航相比,DeepMind的方法是模擬了人類導航的方法,不使用既有的地圖資訊、GPS或是其他定位工具,只透過視覺感知來觀察環境,依據視覺觀察,創建出對環境的認知,並透過強化學習加強點到點的訓練,目前導航AI模型已經於倫敦、巴黎和紐約完成訓練,能夠穿梭於複雜的交叉路口、人行道、隧道等。(來源:DeepMind)

另外,DeepMind將訓練完成的導航AI架構模組化,用於轉移到其他新城市中,DeepMind將神經網路架構分成3個部分,首先是處理街景圖像並抽取圖像特徵的卷積網路,接著透過特定的神經網路,讓神經網路記住當前位置和目標位置,最後,產生導航的規則和策略。

模組化能夠將AI模型學習到的導航知識遷移到新的城市中,省去不必要的學習過程,像是沿著街道前進或是在路口轉彎等行為,因此,DeepMind建立MultiCity架構,先在多個城市中訓練模型,之後將策略網路和視覺卷積網路、特定路徑記錄下來,方便加快之後在不同城市的訓練過程。目前該項研究只限於知識上的導航,並沒有實際用於任何交通工具上,像是自駕車系統。


Advertisement

更多 iThome相關內容