Команда дослідників з Наньянського технологічного університету в Сінгапурі нещодавно оприлюднила новий метод відстеження переміщень людини в метавсесвіті.
Однією з ключових особливостей метавсесвіту є можливість представляти реальні об’єкти та людей у цифровому світі в режимі реального часу. У віртуальній реальності, наприклад, користувачі можуть повертати голови, щоб змінити свою точку зору, або маніпулювати фізичними контролерами в реальному світі, щоб впливати на цифрове середовище.
Статус-кво для зйомки людської діяльності в метавсесвіті використовує датчики на основі пристроїв, камери або їх поєднання. Однак, як пишуть дослідники у своїй препринтній дослідницькій статті, обидва ці модальності мають безпосередні обмеження.
За темою: Ілон Маск подав до суду на Сема Альтмана, OpenAI через порушення угоди
Сенсорна система на основі пристрою, така як ручний контролер із датчиком руху, «захоплює інформацію лише в одній точці людського тіла і тому не може моделювати дуже складну діяльність», пишуть дослідники. У той же час системи відстеження на основі камер борються з умовами слабкого освітлення та фізичними перешкодами.
Введіть датчик WiFi
Вчені роками використовували датчики Wi-Fi для відстеження переміщень людини. Подібно до RADAR, радіосигнали, які використовуються для надсилання та отримання даних Wi-Fi, можна використовувати для визначення об’єктів у космосі.
Датчики Wi-Fi можна точно налаштувати, щоб вловлювати серцебиття, відстежувати режими дихання та сну та навіть відчувати людей крізь стіни.
Дослідники метавсесвіту в минулому з різним ступенем успіху експериментували з поєднанням традиційних методів відстеження з визначенням Wi-Fi.
Введіть штучний інтелект
Відстеження Wi-Fi вимагає використання моделей штучного інтелекту. На жаль, навчання цих моделей виявилося дуже складним для дослідників.
Згідно з документом сінгапурської команди:
«Існуючі рішення, що використовують Wi-Fi і модальності бачення, покладаються на масивні дані з мітками, які дуже важко збирати.… Ми пропонуємо нове неконтрольоване мультимодальне рішення HAR, MaskFi, яке використовує лише нерозмічені відео та дані про активність Wi-Fi для навчання моделей».
Щоб навчити необхідні моделі, необхідні для експериментів із зондуванням Wi-Fi для розпізнавання людської діяльності (HAR), вчені повинні створити Library навчальних даних. Набори даних, які використовуються для навчання ШІ, можуть містити тисячі або навіть мільйони точок даних залежно від цілей конкретної моделі.
Часто маркування цих наборів даних може бути найбільш трудомісткою частиною проведення цих експериментів.
Введіть Mask-Fi
Команда з Наньянського технологічного університету створила «MaskFi», щоб подолати цю проблему. Він використовує моделі штучного інтелекту, створені за допомогою методу під назвою «навчання без нагляду».
У парадигмі неконтрольованого навчання модель штучного інтелекту попередньо навчається на значно меншому наборі даних, а потім проходить через ітерації, доки вона не зможе передбачити вихідні стани із задовільним рівнем точності. Це дозволяє дослідникам зосередити свою енергію на самих моделях, а не докладати копітких зусиль, необхідних для створення надійних навчальних наборів даних.
За словами дослідників, система MaskFi досягла приблизно 97% точності в двох пов’язаних тестах. Це вказує на те, що завдяки майбутньому розвитку ця система може послужити каталізатором для абсолютно нової модальності метавсесвіту: метавсесвіту, який може забезпечити представлення реального світу 1:1 у реальному часі.
