Home Notizie recenti Utilizzo di dispositivi indossabili per addestrare nuovi sensori per la tutela della...

Utilizzo di dispositivi indossabili per addestrare nuovi sensori per la tutela della privacy

46
0

Un sensore doppler può raccogliere dati univoci su diversi movimenti. Credito: Carnegie Mellon University

I dati sulle vendite di case probabilmente non aiuteranno qualcuno che cerca un’auto, proprio come le informazioni sul basket non aiuteranno qualcuno a giocare a baseball.

Ma questo non è vero all’interno del laboratorio Smart Sensing for Humans (SMASH) presso la Carnegie Mellon University, dove i ricercatori utilizzano i dati raccolti da un tipo di sensore per addestrarne un altro. Il loro lavoro, chiamato IMU2Doppler, ha dimostrato che i dati raccolti dai sensori dell’unità di misura inerziale (IMU) negli smartwatch possono addestrare rapidamente un doppler a onde millimetriche per riconoscere i movimenti e i comportamenti umani.

I sensori Doppler utilizzano onde millimetriche e l’effetto doppler per determinare la velocità e la direzione di un oggetto in movimento. Il sensore ambientale può essere installato in una casa intelligente, dove può riconoscere e tracciare le attività quotidiane come mangiare, bere, lavarsi i denti e piegare i vestiti. È un’alternativa per la tutela della privacy ai dispositivi intelligenti più diffusi con altoparlanti e fotocamere che hanno sollevato preoccupazioni sulla privacy.

Sebbene esistano set di dati di grandi dimensioni con etichetta per sensori di allenamento che dipendono dall’IMU o dal video, non esistono per i sensori doppler. La raccolta e l’etichettatura dei dati richiedono tempo e risorse, spese che i ricercatori potrebbero evitare grazie al lavoro del team di SMASH Lab.

“I dispositivi indossabili come Fitbit e Apple Watch sono all’ordine del giorno ormai da così tanti anni. Le persone hanno già dedicato così tanto tempo all’etichettatura dei set di dati IMU per le attività quotidiane e possiamo semplicemente utilizzarlo per etichettare nuovi sensori come un doppler”. ha affermato Rushil Khurana, membro di SMASH Lab e dottorando in interazione uomo-computer.

Il team ha utilizzato una rete neurale addestrata su dati IMU e video esistenti per facilitare l’addestramento di un modello di sensore doppler e ha scoperto che era accurato al 75% fin dall’inizio con solo pochi secondi dei propri dati di addestramento. Questo sforzo si basa sul lavoro precedente in video e audio.

Oltre a tenere traccia delle attività quotidiane in una casa, i ricercatori dello SMASH Lab vogliono infine tracciare e monitorare i movimenti delle persone nelle proprie case per aiutare medici, consulenti, medici e altri professionisti sanitari a individuare malattie o segni di potenziali problemi. I sensori Doppler installati nelle case delle persone potrebbero renderlo possibile.

“Vogliamo collegare le attività e i comportamenti di una persona nelle loro case alla sua salute fisica e mentale. Potremmo aiutare a diagnosticare la depressione, l’affaticamento del sonno e altre condizioni”. ha affermato Mayank Goel, che dirige lo SMASH Lab ed è un assistente professore presso l’Institute for Software Research e l’Human-Computer Interaction Institute.


Articolo precedenteLe simulazioni neuromorfiche possono produrre vantaggi computazionali rilevanti per molte applicazioni
Articolo successivoUsare l’IA per colmare le lacune mancanti nei testi antichi