ما در دنیایی از سیگنالهای بی سیم زندگی می کنیم که به دور ما جریان می یابد و بدن های خود را تند می اندازیم. محققان MIT اکنون در حال اعمال فشار برای بازتاب سیگنالها هستند تا دانشمندان و مراقبان مراقبت های ارزشمندی از رفتار و سلامت افراد ارائه دهند.
این سیستم با نام مارکو سیگنال فرکانس رادیویی کم مصرف (RF) را به یک محیط منتقل می کند. اگر انسان در حال حرکت باشد ، سیگنال با تغییرات خاصی به سیستم باز خواهد گشت. سپس الگوریتم های رمان آنالیزهای تغییر یافته را تجزیه و تحلیل کرده و آنها را با افراد خاص مرتبط می کند.
سیستم سپس حرکت هر یک از افراد را در اطراف یک طرح طبقه دیجیتال ردیابی می کند. تطبیق این الگوهای حرکت با داده های دیگر می تواند بینشی در مورد نحوه تعامل افراد با یکدیگر و محیط ارائه دهد.
محققان در مقاله ای که این هفته در کنفرانس عوامل انسانی در سیستم های محاسباتی ارائه شده است ، این سیستم و کاربرد دنیای واقعی آن را در شش مکان توصیف می کنند: دو تسهیلات مسکونی مساعد ، سه آپارتمان ساکن زوج ها و یک خانه شهری با چهار ساکن. مطالعات موردی نشان داده توانایی سیستم برای تشخیص افراد صرفا بر اساس بی سیم سیگنال و برخی از الگوهای رفتاری مفید نشان داد.
در یکی از تأسیسات زندگی مساعدت ، با اجازه خانواده و مراقبان بیمار ، محققان بیمار مبتلا به زوال عقل را که اغلب به دلایل نامعلوم دچار اضطراب می شوند ، تحت نظر داشتند. بیش از یک ماه ، آنها میزان قدم زدن بیمار را بین مناطقی از واحد خود اندازه گیری کردند - این یک علامت شناخته شده از آشفتگی بود. با تطبیق افزایش قدم زدن با ورود بازدید کنندگان ، آنها تعیین كردند كه بیمار در روزهای بعد از مراجعه به خانواده بیشتر دچار اضطراب می شود. محققان می گویند این نشان می دهد كه ماركو می تواند روشی تازه و غیرفعال برای ردیابی پروفایل های سلامت كاركرد بیماران در خانه فراهم كند.
چن-یو هسو ، دکترای اول ، می گوید: "اینها بخشهای جالبی هستند که از طریق داده ها کشف کردیم." دانشجوی آزمایشگاه علوم کامپیوتر و هوش مصنوعی (CSAIL). "ما در دریایی از سیگنالهای بی سیم زندگی می کنیم ، و شیوه حرکت و حرکت در اطراف ما ، این بازتاب ها را تغییر می دهد. ما سیستمی را ساختیم که به آن بازتاب ها گوش کند ... برای درک بهتر رفتار و سلامتی مردم."
این تحقیق توسط دینا کاتابی ، استاد اندرو و ارنا ویتربی استاد مهندسی برق و علوم کامپیوتر و مدیر مرکز MIT برای شبکه های بی سیم و رایانه های موبایل (Wireless @ MIT) انجام می شود. دانشجویان عضو فارغ التحصیل CSAIL ، مینگمین ژائو و گوانگ هی لی و فارغ التحصیلان رومن Hristov SM '16 ، به عضویت Katabi و Hsu روی کاغذ می آیند.
پیش بینی "ردیابی" و هویت
هنگام استقرار در یک خانه ، مارکو سیگنال RF را شلیک می کند. هنگامی که سیگنال دوباره برگردد ، نوعی نقشه گرما برش داده شده به "قابهای عمودی و افقی" ایجاد می کند ، که نشان می دهد افراد در فضای سه بعدی قرار دارند. افراد به عنوان حباب های روشن روی نقشه ظاهر می شوند. فریم های عمودی قد فرد را می گیرند و می سازند ، در حالی که فریم های افقی موقعیت کلی آنها را تعیین می کنند. در حالی که افراد قدم می زنند ، سیستم فریم های RF - حدود 30 در ثانیه - را برای تولید مسیرهای کوتاه ، به نام tracklets ، تجزیه و تحلیل می کند.
یک شبکه عصبی حلقوی - یک مدل یادگیری ماشین که معمولاً برای پردازش تصویر استفاده می شود - از این تابلوها برای جدا کردن بازتاب توسط افراد خاص استفاده می کند. برای هر فردی که حس کند ، سیستم دو "ماسک فیلتر" ایجاد می کند ، که حلقه های کوچکی در اطراف فرد هستند. این ماسک ها اساساً تمام سیگنال های خارج از دایره را فیلتر می کنند ، که در مسیر و ارتفاع فرد قفل می شوند. شبکه با ترکیب تمام این اطلاعات — ارتفاع ، ساخت و حرکت movement بازتاب های خاص RF را با افراد خاص مرتبط می کند.
اما برای مشخص کردن هویت به آن حباب های ناشناس ، ابتدا باید سیستم آموزش داده شود. برای چند روز ، افراد از سنسورهای شتاب سنج کم مصرف استفاده می کنند که می توان از آنها برای برچسب زدن سیگنال های رادیویی منعکس شده با هویت مربوطه استفاده کرد. هنگامی که در آموزش مستقر می شوید ، مارکو ابتدا همانطور که در عمل انجام می شود ، دنباله های کاربران را تولید می کند. سپس ، یک الگوریتم ویژگی های شتاب خاص را با ویژگی های حرکتی مرتبط می کند. به عنوان مثال ، وقتی کاربران قدم می زنند ، شتاب با پله ها نوسان می کند ، اما هنگام متوقف شدن آنها به یک خط مسطح تبدیل می شوند. این الگوریتم بهترین تطابق بین داده های شتاب و پیگیری را پیدا می کند ، و برچسب های آن را با هویت کاربر مشخص می کند. با انجام این کار ، مارکو می آموزد که سیگنال های منعکس شده با هویت های خاص ارتباط دارند.
سنسورها هرگز شارژ نمی شوند و پس از آموزش افراد دیگر نیازی به پوشیدن مجدد آنها ندارند. در اعزام خانه ، مارکو توانست هویت افراد در خانه های جدید را با دقت بین 85 تا 95 درصد نشان دهد.
تعادل خوب (جمع آوری داده)
محققان امیدوارند كه مراكز بهداشتی درمانی از ماركو برای نظارت منفعلانه استفاده كنند ، مثلاً نحوه تعامل بیماران با خانواده و مراقبان و اینكه آیا بیماران به موقع داروها را دریافت می كنند. به عنوان مثال ، محققان در یكی از تأسیسات زندگی مسكونی ، مكان های خاصی را ذکر می كنند كه پرستار در یك كابینت دارو در اتاق بیمار و سپس به تخت بیمار راه می رود. این نشان می دهد که پرستار در آن زمان های خاص داروهای بیمار را تجویز کرده بود.
این سیستم پمپ برای وکیوم همچنین ممکن است جایگزین پرسشنامه ها و خاطرات روزمره روانشناسان یا دانشمندان رفتار باشد تا بتواند داده های مربوط به پویایی خانواده افراد ، برنامه های روزانه یا الگوهای خواب افراد را از بین ببرد. این روشهای ضبط سنتی می توانند نادرست باشند ، دارای تعصب باشند و برای مطالعات طولانی مدت مناسب نیستند ، جایی که ممکن است افراد مجبور شوند آنچه را که روزها یا هفته ها قبل انجام داده اند به خاطر بیاورند. برخی از محققان تجهیز افراد به سنسورهای پوشیدنی برای نظارت بر حرکت و بیومتریک را آغاز کرده اند. اما بیماران مسن ، به ویژه ، اغلب پوشیدن یا اتهام آنها را فراموش می کنند. هسو می گوید: "انگیزه در اینجا طراحی ابزارهای بهتری برای محققان است."
چرا فقط دوربین نصب نمی شود؟ برای مبتدیان ، این امر به کسی نیاز دارد که تمام اطلاعات لازم را تماشا و ضبط کند. از طرف دیگر ، مارکو به طور خودکار الگوهای رفتاری - مانند حرکت ، خواب و تعامل - را به مناطق خاص ، روزها و زمان ها نشان می دهد.
همچنین ، فیلم فقط تهاجمی تر است ، هسو می افزاید: "اکثر مردم از فیلمبرداری راحت نیستند ، بخصوص در خانه خود. استفاده از سیگنال های رادیویی برای انجام همه این کارها تعادل خوبی بین دریافت برخی از موارد مفید دارد. اطلاعات ، اما باعث نمی شود مردم احساس ناراحتی کنند. "
کاتابی و دانش آموزانش همچنین قصد دارند مارکو را با کارهای قبلی خود در مورد تنفس و ضربان قلب از سیگنال های رادیویی اطراف ترکیب کنند. سپس از ماركو برای ارتباط آن بیومتریک با افراد مربوطه استفاده می شود. همچنین می تواند سرعت پیاده روی افراد را ردیابی کند ، که این یک شاخص خوب از سلامت عملکردی در بیماران سالخورده است.
سیسیلیا ماسولو ، استاد سیستم های موبایل در گروه علوم و فناوری رایانه در دانشگاه کمبریج می گوید: "پتانسیل در اینجا بسیار زیاد است." وی گفت: "با توجه به تصویربرداری از طریق دوربین ها ، الگوی جمع آوری اطلاعات از داده های کمتر و هدفمند تری را ارائه می دهد ، که از دیدگاه حریم شخصی کاربر بسیار استقبال می شود. با این وجود داده های جمع آوری شده هنوز هم بسیار غنی هستند و ارزیابی مقاله دقت را نشان می دهد. که می تواند تعدادی از برنامه های کاربردی بسیار مفید را به عنوان مثال در مراقبت از سالمندان ، نظارت پزشکی یا حتی مراقبت های بیمارستانی فعال کند. "
ما در دنیایی از سیگنالهای بی سیم زندگی می کنیم که به دور ما جریان می یابد و بدن های خود را تند می اندازیم. محققان MIT اکنون در حال اعمال فشار برای بازتاب سیگنالها هستند تا دانشمندان و مراقبان مراقبت های ارزشمندی از رفتار و سلامت افراد ارائه دهند.
این سیستم با نام مارکو سیگنال فرکانس رادیویی کم مصرف (RF) را به یک محیط منتقل می کند. اگر انسان در حال حرکت باشد ، سیگنال با تغییرات خاصی به سیستم باز خواهد گشت. سپس الگوریتم های رمان آنالیزهای تغییر یافته را تجزیه و تحلیل کرده و آنها را با افراد خاص مرتبط می کند.
سیستم سپس حرکت هر یک از افراد را در اطراف یک طرح طبقه دیجیتال ردیابی می کند. تطبیق این الگوهای حرکت با داده های دیگر می تواند بینشی در مورد نحوه تعامل افراد با یکدیگر و محیط ارائه دهد.
محققان در مقاله ای که این هفته در کنفرانس عوامل انسانی در سیستم های محاسباتی ارائه شده است ، این سیستم و کاربرد دنیای واقعی آن را در شش مکان توصیف می کنند: دو تسهیلات مسکونی مساعد ، سه آپارتمان ساکن زوج ها و یک خانه شهری با چهار ساکن. مطالعات موردی نشان داده توانایی سیستم برای تشخیص افراد صرفا بر اساس بی سیم سیگنال و برخی از الگوهای رفتاری مفید نشان داد.
در یکی از تأسیسات زندگی مساعدت ، با اجازه خانواده و مراقبان بیمار ، محققان بیمار مبتلا به زوال عقل را که اغلب به دلایل نامعلوم دچار اضطراب می شوند ، تحت نظر داشتند. بیش از یک ماه ، آنها میزان قدم زدن بیمار را بین مناطقی از واحد خود اندازه گیری کردند - این یک علامت شناخته شده از آشفتگی بود. با تطبیق افزایش قدم زدن با ورود بازدید کنندگان ، آنها تعیین كردند كه بیمار در روزهای بعد از مراجعه به خانواده بیشتر دچار اضطراب می شود. محققان می گویند این نشان می دهد كه ماركو می تواند روشی تازه و غیرفعال برای ردیابی پروفایل های سلامت كاركرد بیماران در خانه فراهم كند.
چن-یو هسو ، دکترای اول ، می گوید: "اینها بخشهای جالبی هستند که از طریق داده ها کشف کردیم." دانشجوی آزمایشگاه علوم کامپیوتر و هوش مصنوعی (CSAIL). "ما در دریایی از سیگنالهای بی سیم زندگی می کنیم ، و شیوه حرکت و حرکت در اطراف ما ، این بازتاب ها را تغییر می دهد. ما سیستمی را ساختیم که به آن بازتاب ها گوش کند ... برای درک بهتر رفتار و سلامتی مردم."
این تحقیق توسط دینا کاتابی ، استاد اندرو و ارنا ویتربی استاد مهندسی برق و علوم کامپیوتر و مدیر مرکز MIT برای شبکه های بی سیم و رایانه های موبایل (Wireless @ MIT) انجام می شود. دانشجویان عضو فارغ التحصیل CSAIL ، مینگمین ژائو و گوانگ هی لی و فارغ التحصیلان رومن Hristov SM '16 ، به عضویت Katabi و Hsu روی کاغذ می آیند.
پیش بینی "ردیابی" و هویت
هنگام استقرار در یک خانه ، مارکو سیگنال RF را شلیک می کند. هنگامی که سیگنال دوباره برگردد ، نوعی نقشه گرما برش داده شده به "قابهای عمودی و افقی" ایجاد می کند ، که نشان می دهد افراد در فضای سه بعدی قرار دارند. افراد به عنوان حباب های روشن روی نقشه ظاهر می شوند. فریم های عمودی قد فرد را می گیرند و می سازند ، در حالی که فریم های افقی موقعیت کلی آنها را تعیین می کنند. در حالی که افراد قدم می زنند ، سیستم فریم های RF - حدود 30 در ثانیه - را برای تولید مسیرهای کوتاه ، به نام tracklets ، تجزیه و تحلیل می کند.
یک شبکه عصبی حلقوی - یک مدل یادگیری ماشین که معمولاً برای پردازش تصویر استفاده می شود - از این تابلوها برای جدا کردن بازتاب توسط افراد خاص استفاده می کند. برای هر فردی که حس کند ، سیستم دو "ماسک فیلتر" ایجاد می کند ، که حلقه های کوچکی در اطراف فرد هستند. این ماسک ها اساساً تمام سیگنال های خارج از دایره را فیلتر می کنند ، که در مسیر و ارتفاع فرد قفل می شوند. شبکه با ترکیب تمام این اطلاعات — ارتفاع ، ساخت و حرکت movement بازتاب های خاص RF را با افراد خاص مرتبط می کند.
اما برای مشخص کردن هویت به آن حباب های ناشناس ، ابتدا باید سیستم آموزش داده شود. برای چند روز ، افراد از سنسورهای شتاب سنج کم مصرف استفاده می کنند که می توان از آنها برای برچسب زدن سیگنال های رادیویی منعکس شده با هویت مربوطه استفاده کرد. هنگامی که در آموزش مستقر می شوید ، مارکو ابتدا همانطور که در عمل انجام می شود ، دنباله های کاربران را تولید می کند. سپس ، یک الگوریتم ویژگی های شتاب خاص را با ویژگی های حرکتی مرتبط می کند. به عنوان مثال ، وقتی کاربران قدم می زنند ، شتاب با پله ها نوسان می کند ، اما هنگام متوقف شدن آنها به یک خط مسطح تبدیل می شوند. این الگوریتم بهترین تطابق بین داده های شتاب و پیگیری را پیدا می کند ، و برچسب های آن را با هویت کاربر مشخص می کند. با انجام این کار ، مارکو می آموزد که سیگنال های منعکس شده با هویت های خاص ارتباط دارند.
سنسورها هرگز شارژ نمی شوند و پس از آموزش افراد دیگر نیازی به پوشیدن مجدد آنها ندارند. در اعزام خانه ، مارکو توانست هویت افراد در خانه های جدید را با دقت بین 85 تا 95 درصد نشان دهد.
تعادل خوب (جمع آوری داده)
محققان امیدوارند كه مراكز بهداشتی درمانی از ماركو برای نظارت منفعلانه استفاده كنند ، مثلاً نحوه تعامل بیماران با خانواده و مراقبان و اینكه آیا بیماران به موقع داروها را دریافت می كنند. به عنوان مثال ، محققان در یكی از تأسیسات زندگی مسكونی ، مكان های خاصی را ذکر می كنند كه پرستار در یك كابینت دارو در اتاق بیمار و سپس به تخت بیمار راه می رود. این نشان می دهد که پرستار در آن زمان های خاص داروهای بیمار را تجویز کرده بود.
این سیستم پمپ برای وکیوم همچنین ممکن است جایگزین پرسشنامه ها و خاطرات روزمره روانشناسان یا دانشمندان رفتار باشد تا بتواند داده های مربوط به پویایی خانواده افراد ، برنامه های روزانه یا الگوهای خواب افراد را از بین ببرد. این روشهای ضبط سنتی می توانند نادرست باشند ، دارای تعصب باشند و برای مطالعات طولانی مدت مناسب نیستند ، جایی که ممکن است افراد مجبور شوند آنچه را که روزها یا هفته ها قبل انجام داده اند به خاطر بیاورند. برخی از محققان تجهیز افراد به سنسورهای پوشیدنی برای نظارت بر حرکت و بیومتریک را آغاز کرده اند. اما بیماران مسن ، به ویژه ، اغلب پوشیدن یا اتهام آنها را فراموش می کنند. هسو می گوید: "انگیزه در اینجا طراحی ابزارهای بهتری برای محققان است."
چرا فقط دوربین نصب نمی شود؟ برای مبتدیان ، این امر به کسی نیاز دارد که تمام اطلاعات لازم را تماشا و ضبط کند. از طرف دیگر ، مارکو به طور خودکار الگوهای رفتاری - مانند حرکت ، خواب و تعامل - را به مناطق خاص ، روزها و زمان ها نشان می دهد.
همچنین ، فیلم فقط تهاجمی تر است ، هسو می افزاید: "اکثر مردم از فیلمبرداری راحت نیستند ، بخصوص در خانه خود. استفاده از سیگنال های رادیویی برای انجام همه این کارها تعادل خوبی بین دریافت برخی از موارد مفید دارد. اطلاعات ، اما باعث نمی شود مردم احساس ناراحتی کنند. "
کاتابی و دانش آموزانش همچنین قصد دارند مارکو را با کارهای قبلی خود در مورد تنفس و ضربان قلب از سیگنال های رادیویی اطراف ترکیب کنند. سپس از ماركو برای ارتباط آن بیومتریک با افراد مربوطه استفاده می شود. همچنین می تواند سرعت پیاده روی افراد را ردیابی کند ، که این یک شاخص خوب از سلامت عملکردی در بیماران سالخورده است.
سیسیلیا ماسولو ، استاد سیستم های موبایل در گروه علوم و فناوری رایانه در دانشگاه کمبریج می گوید: "پتانسیل در اینجا بسیار زیاد است." وی گفت: "با توجه به تصویربرداری از طریق دوربین ها ، الگوی جمع آوری اطلاعات از داده های کمتر و هدفمند تری را ارائه می دهد ، که از دیدگاه حریم شخصی کاربر بسیار استقبال می شود. با این وجود داده های جمع آوری شده هنوز هم بسیار غنی هستند و ارزیابی مقاله دقت را نشان می دهد. که می تواند تعدادی از برنامه های کاربردی بسیار مفید را به عنوان مثال در مراقبت از سالمندان ، نظارت پزشکی یا حتی مراقبت های بیمارستانی فعال کند. "
ایجاد پرونده برای اشیاء رباتیک به عنوان رسانه های خشم