El Instituto de Tecnología de Massachusetts (MIT), en Estados Unidos, y el Instituto de Investigación Informática de Qatar (QCRI) han desarrollado un sistema GPS con Inteligencia Artificial (IA) para actualizar los mapas y dar indicaciones más precisas a los conductores, como ubicarlos en el carril correcto de la carretera.

El modelo desarrollado, llamado 'RoadTagger' ('etiquetador de carreteras', en inglés) utiliza IA e imágenes de satélites para etiquetar las características de las rutas en lugares con datos de mapas limitados, lo que permitirá ofrecer a los conductores más detalles sobre sus caminos.

El MIT afirma que crear mapas detallados es algo bastante caro y que lleva mucho tiempo. Esto lo suelen realizar grandes empresas, como Google, que envía vehículos con cámaras para capturar imágenes de las carreteras.

Asimismo señala que combinar esas imágenes con otro tipo de datos podría crear mapas precisos y actualizados. Por ello, indica que sería más fácil hacerlo mediante modelos de aprendizaje automático con imágenes de satélite, ya que son más fáciles de obtener y actualizar.

'RoadTagger' utiliza una combinación de redes neuronales para predecir de forma automática el número de carriles y los tipos de carreteras, ya sea una calle o una autopista.

Al probar el sistema en carreteras bloqueadas en los mapas digitales de 20 ciudades estadounidenses, 'RoadTagger' contabilizó el número de carriles con un 77 por ciento de precisión.

Además, 'RoadTagger' diferenció los tipos de carreteras con un 93 por ciento de precisión, según un documento publicado por el MIT y el QCRI.

"Los mapas digitales más actualizados provienen de los lugares que más preocupan a las grandes empresas. Si estás en lugares que no les importan mucho, no contarás con ventajas respecto a la calidad del mapa", ha subrayado Sam Madden, profesor del Departamento de Ingeniería Eléctrica y Ciencias de la Computación (EECS).

"Nuestro objetivo es automatizar el proceso de generación de mapas digitales de alta calidad, para que puedan estar disponibles en cualquier país", ha añadido.

Los investigadores también han afirmado que están planeando utilizar este sistema para predecir otras características, como lugares para aparcar y carriles para bicicletas.