CTPH, 01/03/2024
Por Tristan Greene
O sensoriamento WiFi torna possível rastrear movimentos no escuro e através de paredes.
Uma equipe de pesquisadores da Universidade Tecnológica de Nanyang em Cingapura recentemente revelou um novo método para rastrear o movimento humano para o metaverso.
Uma das características-chave do metaverso é a capacidade de representar objetos e pessoas do mundo real no mundo digital em tempo real. Na realidade virtual, por exemplo, os usuários podem virar a cabeça para mudar seus pontos de vista ou manipular controladores físicos no mundo real para afetar o ambiente digital.
O status quo para capturar a atividade humana no metaverso utiliza sensores baseados em dispositivos, câmeras ou uma combinação de ambos. No entanto, como os pesquisadores escrevem em seu artigo de pesquisa preliminar, ambas as modalidades têm limitações imediatas.
Um sistema de sensoriamento baseado em dispositivo, como um controlador de mão com sensor de movimento, "captura apenas as informações em um ponto do corpo humano e, portanto, não pode modelar atividades muito complexas", escrevem os pesquisadores. Enquanto isso, os sistemas de rastreamento baseados em câmera têm dificuldades com ambientes com pouca luz e obstruções físicas.
Entrada do sensor WiFi
Os cientistas têm usado sensores WiFi para rastrear o movimento humano há anos. Assim como o radar, os sinais de rádio usados para enviar e receber dados WiFi podem ser usados para detectar objetos no espaço.
Os sensores WiFi podem ser ajustados para captar batimentos cardíacos, rastrear padrões de respiração e sono e até mesmo detectar pessoas através de paredes.
Os pesquisadores do metaverso experimentaram combinar métodos de rastreamento tradicionais com sensoriamento WiFi em graus variados de sucesso no passado.
Entrada da inteligência artificial
O rastreamento WiFi requer o uso de modelos de inteligência artificial. Infelizmente, treinar esses modelos tem se mostrado de alto grau de dificuldade para os pesquisadores.
De acordo com o artigo da equipe de Singapura:
"As soluções existentes que usam modalidades de Wi-Fi e visão dependem de dados rotulados maciços que são muito difíceis de coletar. [...] Propomos uma nova solução multimodal não supervisionada de HAR [reconhecimento de atividade humana], MaskFi, que utiliza apenas vídeo não rotulado e dados de atividade Wi-Fi para treinamento do modelo".
Para treinar os modelos necessários para experimentar o sensoriamento WiFi para HAR, os cientistas têm que construir uma biblioteca de dados de treinamento. Os conjuntos de dados usados para treinar IA podem conter milhares ou até milhões de pontos de dados, dependendo dos objetivos do modelo específico.
Muitas vezes, rotular esses conjuntos de dados pode ser a parte mais demorada de realizar esses experimentos.
Entrada do MaskFi
A equipe da Universidade Tecnológica de Nanyang construiu o "MaskFi" para superar esse desafio. Ele usa modelos de IA construídos usando um método chamado "aprendizado não supervisionado".
No paradigma de aprendizado não supervisionado, um modelo de IA é pré-treinado em um conjunto de dados significativamente menor, e depois passa por iterações até que seja capaz de prever estados de saída com um nível satisfatório de precisão. Isso permite que os pesquisadores concentrem sua energia nos próprios modelos em vez do esforço meticuloso necessário para construir conjuntos de dados de treinamento robustos.
Segundo os pesquisadores, o sistema MaskFi alcançou cerca de 97% de precisão em dois benchmarks relacionados. Isso indica que este sistema poderia, através do desenvolvimento futuro, servir como o catalisador para uma nova modalidade de metaverso: um metaverso que pode fornecer uma representação do mundo real em tempo real de 1:1.
Artigos recomendados: Metaverso e WiFi
Nenhum comentário:
Postar um comentário