सिंगापुर के शोधकर्ताओं ने मेटावर्स में रीयल-टाइम मानव ट्रैकिंग के लिए 'मास्कफाई' विकसित किया
Summary:
सिंगापुर के नानयांग टेक्नोलॉजिकल यूनिवर्सिटी के शोधकर्ताओं ने वाई-फाई सेंसिंग और आर्टिफिशियल इंटेलिजेंस का उपयोग करके मेटावर्स के लिए वास्तविक समय में मानव गतिविधि पर नज़र रखने के लिए एक नई तकनीक विकसित की है। उन्होंने एआई-आधारित प्रणाली, "मास्कफाई" पेश की है, जो भौतिक सेंसर या कैमरों के आधार पर मौजूदा तरीकों की सीमाओं को पार करती है। असुरक्षित सीखने के माध्यम से प्रशिक्षित, MaskFi बिना लेबल वाले वीडियो और वाई-फाई गतिविधि डेटा का उपयोग करता है, जो 97% की सटीकता दर तक पहुंचता है। यह अभिनव दृष्टिकोण वास्तविक दुनिया की वास्तविक समय, सटीक मेटावर्स प्रतिकृति का मार्ग प्रशस्त कर सकता है।
सिंगापुर स्थित नानयांग टेक्नोलॉजिकल यूनिवर्सिटी के वैज्ञानिक जांचकर्ताओं ने हाल ही में मेटावर्स के लिए वास्तविक समय की मानव गतिविधि पर नज़र रखने के लिए एक उपन्यास दृष्टिकोण का खुलासा किया है। मेटावर्स का एक महत्वपूर्ण पहलू वास्तविक दुनिया की वस्तुओं और व्यक्तियों को ऑनलाइन स्पेस के भीतर तुरंत मिरर करने की शक्ति है। डिजिटल वास्तविकता के दायरे में, उपयोगकर्ताओं के पास अपने दृष्टिकोण को बदलने या ऑनलाइन वातावरण को प्रभावित करने के लिए वास्तविक दुनिया के नियंत्रकों का उपयोग करने के लिए अपने सिर को मोड़ने की क्षमता है। मेटावर्स में मानव आंदोलनों को कैप्चर करने के मौजूदा तरीके में डिवाइस-केंद्रित सेंसर, कैमरा या दोनों का मिश्रण शामिल है। हालांकि, शोधकर्ताओं ने अपने प्रीप्रिंट अध्ययन में इन विकल्पों के साथ गंभीर सीमाओं का उल्लेख किया। संबंधित: सैम ऑल्टमैन, ओपनएआई ने समझौते के उल्लंघन पर एलोन मस्क द्वारा दायर मुकदमे का सामना किया। एक डिवाइस-निर्भर सेंसिंग नेटवर्क, एक हैंडहेल्ड कंट्रोलर में मोशन सेंसर की तरह, केवल मानव शरीर पर एक बिंदु से जानकारी एकत्र कर सकता है, जिससे जटिल गतिविधि कैप्चर सीमित हो जाती है, जैसा कि शोधकर्ताओं का कहना है। इसके अलावा, कैमरा-केंद्रित ट्रैकिंग सिस्टम मंद प्रकाश की स्थिति और भौतिक अवरोधों से संबंधित मुद्दों से ग्रस्त हैं। यह वह जगह है जहाँ वाईफाई सेंसिंग खेल में आता है। कई सालों से वैज्ञानिकों ने इंसानी क्रियाओं पर नजर रखने के लिए वाईफाई सेंसर का इस्तेमाल किया है। रडार के समान, वाईफाई डेटा के प्रसारण और रिसेप्शन में उपयोग किए जाने वाले रेडियो सिग्नल का उपयोग पर्यावरण में वस्तुओं का पता लगाने के लिए किया जा सकता है। उन्हें हृदय गति की निगरानी करने, नींद और सांस लेने के पैटर्न को ट्रैक करने और यहां तक कि दीवारों के माध्यम से लोगों का पता लगाने के लिए समायोजित किया जा सकता है। मेटावर्स के क्षेत्र के शोधकर्ताओं ने पहले मिश्रित परिणामों के साथ पारंपरिक ट्रैकिंग विधियों के साथ वाईफाई सेंसिंग को विलय करने की कोशिश की है। यह हमें आर्टिफिशियल इंटेलिजेंस के दायरे में भी ले जाता है। वाईफाई ट्रैकिंग कृत्रिम बुद्धिमत्ता मॉडल के अनुप्रयोग के लिए कॉल करती है। दुर्भाग्य से, इन मॉडलों को प्रशिक्षित करने की प्रक्रिया ने अक्सर शोधकर्ताओं के लिए कड़ी चुनौतियां पेश की हैं। सिंगापुर से टीम द्वारा पेपर के अनुसार: "वाईफाई और दृश्य तौर-तरीकों का उपयोग करने वाली मौजूदा तकनीकें लेबल डेटा की एक बड़ी मात्रा पर निर्भर करती हैं, जिसे इकट्ठा करना मुश्किल है। ... हम मास्कफाई नाम के पीछे एक अद्वितीय असुरक्षित मल्टीमॉडल एचएआर समाधान का प्रस्ताव करते हैं, जिसे मॉडल प्रशिक्षण के लिए केवल बिना लेबल वाले वीडियो और वाईफाई गतिविधि डेटा की आवश्यकता होती है। मानव गतिविधि मान्यता (एचएआर) के लिए वाईफाई सेंसिंग के साथ प्रयोग करने के लिए आवश्यक एआई मॉडल को प्रशिक्षित करने के लिए, वैज्ञानिकों को प्रशिक्षण डेटा का एक विशाल डेटाबेस बनाने की आवश्यकता है। एआई के प्रशिक्षण के लिए उपयोग किए जाने वाले ये डेटासेट प्रत्येक मॉडल के विशिष्ट उद्देश्यों के आधार पर हजारों या लाखों डेटा बिंदुओं का प्रतिनिधित्व कर सकते हैं। इन डेटासेट को लेबल करना अक्सर इन जांचों का सबसे लंबा हिस्सा बन जाता है। यहीं पर MaskFi आता है। नानयांग टेक्नोलॉजिकल यूनिवर्सिटी की टीम ने इस स्थिति से निपटने के लिए "मास्कफाई" प्रणाली विकसित की। यह प्रणाली "असुरक्षित शिक्षा" नामक विधि के माध्यम से बनाए गए एआई मॉडल को लागू करती है। असुरक्षित सीखने में, एक एआई मॉडल को शुरू में एक छोटे डेटासेट पर प्रशिक्षित किया जाता है और फिर बार-बार संशोधित किया जाता है जब तक कि यह आउटपुट राज्यों को उचित डिग्री सटीकता के साथ प्रोजेक्ट नहीं कर सकता। यह प्रक्रिया वैज्ञानिकों को मजबूत प्रशिक्षण डेटासेट बनाने में समय लगाने के बजाय मॉडल पर अपना ध्यान केंद्रित करने में सक्षम बनाती है। स्रोत: यांग, एट। , 2024 जांचकर्ताओं के अनुसार, मास्कफाई सिस्टम ने दो संबद्ध बेंचमार्क में लगभग 97% सटीकता पूरी की। इससे पता चलता है कि, अधिक विकास के बाद, यह तंत्र मौलिक रूप से नए मेटावर्स तौर-तरीके के लिए एक स्प्रिंगबोर्ड के रूप में कार्य कर सकता है: एक मेटावर्स वास्तविक समय और वास्तविक दुनिया की सही प्रतिकृति प्रदान करता है।
Published At
3/1/2024 8:23:40 PM
Disclaimer: Algoine does not endorse any content or product on this page. Readers should conduct their own research before taking any actions related to the asset, company, or any information in this article and assume full responsibility for their decisions. This article should not be considered as investment advice. Our news is prepared with AI support.
Do you suspect this content may be misleading, incomplete, or inappropriate in any way, requiring modification or removal?
We appreciate your report.