Pesquisadores de Cingapura desenvolvem 'MaskFi' para rastreamento humano em tempo real no metaverso
Summary:
Pesquisadores da Universidade Tecnológica de Nanyang, em Cingapura, desenvolveram uma nova técnica para rastrear a atividade humana em tempo real para o metaverso usando sensoriamento Wi-Fi e inteligência artificial. Eles introduziram um sistema baseado em IA, o "MaskFi", que supera as limitações dos métodos existentes baseados em sensores físicos ou câmeras. Treinada por meio de aprendizado não supervisionado, a MaskFi usa dados de atividade de vídeo e Wi-Fi não rotulados, atingindo uma taxa de precisão de 97%. Essa abordagem inovadora pode abrir caminho para uma replicação exata e em tempo real do metaverso do mundo real.
Pesquisadores científicos da Universidade Tecnológica de Nanyang, com sede em Cingapura, revelaram recentemente uma nova abordagem para rastrear a atividade humana em tempo real para o metaverso. Um aspecto significativo do metaverso é o poder de espelhar objetos e indivíduos do mundo real dentro do espaço online instantaneamente. Dentro do reino da realidade digital, os usuários têm a capacidade de virar a cabeça para mudar sua perspectiva ou usar controladores do mundo real para impactar o ambiente online. A maneira existente de capturar movimentos humanos no metaverso envolve sensores centrados em dispositivos, câmeras ou uma mistura de ambos. No entanto, os pesquisadores notaram sérias limitações com essas opções em seu estudo de pré-impressão. Relacionado: Sam Altman, OpenAI enfrenta processo movido por Elon Musk por violação de acordo. Uma rede de detecção dependente de dispositivo, como um sensor de movimento em um controlador portátil, só pode coletar informações de um único ponto do corpo humano, limitando assim a captura de atividades complexas, como afirmam os pesquisadores. Além disso, os sistemas de rastreamento focados em câmeras sofrem com problemas relacionados a condições de iluminação fraca e obstruções físicas. É aqui que o sensoriamento WiFi entra em jogo. Por vários anos, os cientistas usaram sensores WiFi para monitorar as ações humanas. Semelhante ao RADAR, os sinais de rádio usados na transmissão e recepção de dados WiFi podem ser usados para detectar objetos em um ambiente. Eles podem ser ajustados para monitorar os batimentos cardíacos, rastrear padrões de sono e respiração e até mesmo detectar pessoas através de paredes. Pesquisadores no campo do metaverso já tentaram mesclar o sensoriamento WiFi com métodos convencionais de rastreamento com resultados mistos. Isso também nos leva ao reino da inteligência artificial. O rastreamento WiFi pede a aplicação de modelos de inteligência artificial. Infelizmente, o processo de formação desses modelos tem muitas vezes colocado grandes desafios para os pesquisadores. De acordo com o artigo da equipe de Cingapura: "As técnicas existentes usando Wi-Fi e modalidades visuais dependem de um grande volume de dados rotulados, o que é difícil de coletar. ... Propomos uma solução HAR multimodal não supervisionada única, por trás do nome MaskFi, que precisa apenas de dados de atividade de vídeo e WiFi não rotulados para treinamento de modelo." Para treinar os modelos de IA necessários para experimentar o sensoriamento WiFi para Reconhecimento de Atividade Humana (HAR), os cientistas precisam criar um vasto banco de dados de treinamento. Esses conjuntos de dados usados para treinar IA podem representar milhares ou até milhões de pontos de dados, com base nos objetivos específicos de cada modelo. Rotular esses conjuntos de dados geralmente se torna a parte mais longa dessas investigações. É aí que entra o MaskFi. A equipe da Universidade Tecnológica de Nanyang desenvolveu o sistema "MaskFi" para enfrentar essa situação. Esse sistema aplica modelos de IA criados por meio de um método conhecido como "aprendizagem não supervisionada". No aprendizado não supervisionado, um modelo de IA é inicialmente treinado em um conjunto de dados menor e, em seguida, revisado repetidamente até que possa projetar estados de saída com um grau razoável de precisão. Esse processo permite que os cientistas direcionem seu foco para os modelos, em vez de investir tempo na criação de conjuntos de dados de treinamento robustos. Fonte: Yang, et. al., 2024 De acordo com os pesquisadores, o sistema MaskFi alcançou quase 97% de precisão em dois benchmarks associados. Isso sugere que, após mais desenvolvimento, esse mecanismo poderia atuar como um trampolim para uma modalidade de metaverso radicalmente nova: um metaverso que oferece uma replicação perfeita e em tempo real do mundo real.
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.