Apple Bản đồ có thể cung cấp cho người dùng thông tin chính xác hơn về vị trí của họ trong tương lai, bằng cách sử dụng trí thông minh nhân tạo để điều chỉnh dữ liệu GPS khi phát hiện thông tin không chính xác hoặc nhầm lẫn trong các kết quả đọc của cảm biến.
Mặc dù GPS là một công nghệ được sử dụng rộng rãi để xác định vị trí địa lý, một công nghệ đặc biệt hữu ích cho việc điều hướng khi lái xe, nhưng nó không nhất thiết phải chính xác đến mức có thể. Các ứng dụng lập bản đồ như Apple Bản đồ đôi khi hiển thị sai vị trí cho người dùng vì nhiều lý do khác nhau.
Những vấn đề này có thể bao gồm nhiễu tín hiệu GPS do cây cối và núi gây ra, đi dưới lòng đất hoặc trong nhà, tín hiệu phản xạ từ các tòa nhà trong thành phố, bão mặt trời và thậm chí cả những trường hợp gây nhiễu hoặc gây nhiễu sóng vô tuyến.
Những vấn đề này không chỉ giới hạn ở GPS, vì các Hệ thống Vệ tinh Định vị Toàn cầu (GNSS) khác như Glonass, Galileo, Beidou và những hệ thống khác cũng có thể gặp phải những vấn đề tương tự.
Trong đơn xin cấp bằng sáng chế do Văn phòng Sáng chế và Nhãn hiệu Hoa Kỳ công bố hôm thứ Năm, Apple đã đưa ra “Định vị dựa trên vệ tinh được hỗ trợ bởi máy học”. Nói tóm lại, đây là một cách để phân tích dữ liệu GPS bằng cách so sánh nó với dữ liệu thu được bởi một mô hình học máy.
Ý tưởng là thiết bị nhận được vị trí ước tính của nó dựa trên tín hiệu GNSS, sau đó thu được một tập hợp các tham số được liên kết với vị trí ước tính. Sau đó, một vị trí tham chiếu được cung cấp, gần với vị trí ước tính của thiết bị, để giúp hiệu chỉnh.
Sau đó, một mô hình học máy được tạo dựa trên vị trí thiết bị ước tính, vị trí tham chiếu và một tập hợp các tham số. Mô hình học máy này sau đó được sử dụng để ước tính vị trí của thiết bị cho các lần đọc GPS trong tương lai, cho đến khi một khoảng thời gian trôi qua hoặc chúng đã di chuyển đến khu vực mà các thông số và mô hình không chính xác.
Ví dụ về cách một thiết bị có thể định vị không chính xác do tín hiệu GPS phản chiếu từ một tòa nhà.
Trên thực tế, thiết bị tạo ra mô hình bằng cách sử dụng hai bộ dữ liệu định vị để xác định khoảng cách so với vị trí thực của nó so với tọa độ GPS nhận được của nó. Ví dụ: trong một thành phố có các tòa nhà cao tầng, mô hình có thể được thông báo rằng tín hiệu có thể được phản ánh và tính đến điều đó cùng với các kết quả đọc vị trí trước đó và hướng di chuyển chung để tìm ra vị trí chính xác hơn dựa trên dữ liệu sai lệch.
Apple đã bao gồm các tuyên bố bổ sung để tính đến việc sử dụng thiết bị thứ hai, bao gồm cả việc cung cấp mô hình cho người khác sử dụng và lưu trữ. Bộ lọc Kalman, có thể được sử dụng để ước tính dữ liệu dựa trên tập hợp các phép đo nhiễu, cũng được đề xuất sử dụng, cũng như tính toán “lượng không đảm bảo” cho các phép đo và các vị trí tiếp theo, và để cảnh báo người dùng rằng vị trí được sửa đổi và có tính đến hoặc bỏ qua dữ liệu GPS.
Hồ sơ liệt kê các nhà phát minh của nó là Benjamin A. Werner, Brent M. Ledvina, Dennis P. Hilgenberg và Aarti Sathyanarayana.
Apple nộp nhiều đơn đăng ký bằng sáng chế mỗi tuần và mặc dù hồ sơ chỉ ra các lĩnh vực quan tâm đối với Applecủa nhóm nghiên cứu và phát triển, nó không đảm bảo khả năng Apple thêm nó vào một sản phẩm hoặc dịch vụ trong tương lai.
Apple đã quan tâm đến việc tăng cường công việc về học máy trong những năm gần đây, bao gồm việc thuê nhà khoa học AI cấp cao của Google và chuyên gia AI nổi tiếng Ian Goodfellow vào năm 2019 và mua lại các công ty như Drive.ai và Laserlike. Phần lớn công việc ML đối mặt với công chúng của nó là với Siri và điều đó cũng đã chứng kiến một số cải tiến về nhận biết vị trí.
Vào tháng 8 năm 2018, Apple đã trình bày chi tiết việc sử dụng các mô hình ngôn ngữ địa lý để cải thiện kiến thức của Siri về các thuật ngữ và vị trí địa phương, giúp giảm 18 người được tìm kiếm dựa trên sở thích.7 phần trăm.
Nguồn: Appleinsider
