Геопространственный искусственный интеллект: потенциал машинного обучения для 3D-точечных облаков и геопространственных цифровых двойников

Искусственный интеллект (ИИ) фундаментально меняет способы разработки и эксплуатации ИT-решений во всех областях применения, включая геопространственную сферу. В этой статье излагаются методы на базе ИИ для 3D-точечных облаков и геопространственных цифровых двойников как универсальных компонентов геопространственного ИИ. Сначала кратко рассматривается термин «ИИ» и описываются технологические развития, необходимые для применения ИИ в ИT-решениях с точки зрения инженерии программного обеспечения. Далее 3D-точечные облака характеризуются как ключевая категория геоданных и их роль в создании основы для геопространственных цифровых двойников; объясняется применимость подходов машинного обучения (ML) и глубокого обучения (DL) к 3D-точечным облакам. В частности, утверждается, что 3D-точечные облака можно рассматривать как корпус с характеристиками, сходными с корпусами естественноязыковых текстов, и формулируется «гипотеза естественности» для 3D-точечных облаков. В основной части вводится рабочий процесс интерпретации 3D-точечных облаков на основе ML/DL-подходов, которые извлекают доменно- и прикладно-специфическую семантику для 3D-точечных облаков без необходимости создавать явные пространственные 3D-модели или явные наборы правил. Наконец, приводятся примеры того, как ML/DL позволяет эффективно создавать и поддерживать базовые данные для геопространственных цифровых двойников, таких как виртуальные 3D-модели городов, внутренние (indoor) модели и информационные модели зданий.