Сингапурские исследователи разработали MaskFi для отслеживания человека в метавселенной в режиме реального времени
Summary:
Исследователи из Наньянского технологического университета в Сингапуре разработали новую методику отслеживания человеческой активности в режиме реального времени для метавселенной с помощью Wi-Fi зондирования и искусственного интеллекта. Они представили систему на основе искусственного интеллекта «MaskFi», которая преодолевает ограничения существующих методов, основанных на физических датчиках или камерах. Обученный с помощью неконтролируемого обучения, MaskFi использует немаркированные видео и данные об активности Wi-Fi, достигая уровня точности 97%. Этот инновационный подход может проложить путь к точному воспроизведению реального мира в метавселенной в режиме реального времени.
Научные исследователи из Наньянского технологического университета, расположенного в Сингапуре, недавно представили новый подход к отслеживанию человеческой активности в метавселенной в режиме реального времени. Важным аспектом метавселенной является способность мгновенно отражать реальные объекты и людей в онлайн-пространстве. В сфере цифровой реальности пользователи имеют возможность поворачивать голову, чтобы изменить свою точку зрения, или использовать контроллеры реального мира, чтобы повлиять на онлайн-среду. Существующий способ фиксации движений человека в метавселенной включает в себя датчики, ориентированные на устройства, камеры или их сочетание. Тем не менее, исследователи отметили серьезные ограничения с этими вариантами в своем исследовании препринтов. Связанный: Сэм Альтман, OpenAI столкнулся с иском, поданным Илоном Маском из-за нарушенного соглашения. Как утверждают исследователи, аппаратно-зависимая сенсорная сеть, такая как датчик движения в портативном контроллере, может собирать информацию только из одной точки на человеческом теле, тем самым ограничивая сложный захват активности. Кроме того, системы слежения, ориентированные на камеры, страдают от проблем, связанных с тусклым освещением и физическими препятствиями. Именно здесь в игру вступает обнаружение Wi-Fi. В течение нескольких лет ученые использовали датчики WiFi для наблюдения за действиями человека. Подобно радару, радиосигналы, используемые для передачи и приема данных Wi-Fi, могут использоваться для обнаружения объектов в окружающей среде. Их можно настроить для мониторинга частоты сердечных сокращений, отслеживания режима сна и дыхания и даже обнаружения людей через стены. Исследователи в области метавселенной ранее пытались объединить зондирование Wi-Fi с обычными методами отслеживания с неоднозначными результатами. Это также подводит нас к царству искусственного интеллекта. Отслеживание Wi-Fi требует применения моделей искусственного интеллекта. К сожалению, процесс обучения этих моделей часто ставил перед исследователями серьезные задачи. Согласно статье команды из Сингапура: «Существующие методы, использующие Wi-Fi и визуальные модальности, полагаются на большой объем размеченных данных, которые трудно собрать. ... Мы предлагаем уникальное неконтролируемое мультимодальное решение HAR под названием MaskFi, которому для обучения модели нужны только немаркированные данные об активности видео и Wi-Fi». Чтобы обучить модели ИИ, необходимые для экспериментов с датчиками Wi-Fi для распознавания человеческой активности (HAR), ученым необходимо создать обширную базу данных обучающих данных. Эти наборы данных, используемые для обучения ИИ, могут представлять собой тысячи или даже миллионы точек данных, в зависимости от конкретных целей каждой модели. Маркировка этих наборов данных часто становится самой длительной частью таких исследований. Вот тут-то и приходит на помощь MaskFi. Команда из Наньянского технологического университета разработала систему «MaskFi» для решения этой проблемы. Эта система применяет модели ИИ, созданные с помощью метода, известного как «неконтролируемое обучение». При неконтролируемом обучении модель ИИ сначала обучается на меньшем наборе данных, а затем многократно пересматривается до тех пор, пока она не сможет проецировать выходные состояния с разумной степенью точности. Этот процесс позволяет ученым сосредоточиться на моделях, а не тратить время на создание надежных обучающих наборов данных. Источник: Yang, et. al., 2024 По словам исследователей, система MaskFi достигла почти 97% точности по двум связанным тестам. Это говорит о том, что после дальнейшего развития этот механизм может стать трамплином для радикально новой модальности метавселенной: метавселенной, предлагающей идеальную копию реального мира в режиме реального времени.
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.