Un team di ricercatori della Nanyang Technological University di Singapore ha recentemente svelato un nuovo metodo per monitorare i movimenti umani nel metaverso.
Una delle caratteristiche chiave del metaverso è la capacità di rappresentare in tempo reale oggetti e persone del mondo reale nel mondo digitale. Nella realtà virtuale, ad esempio, gli utenti possono girare la testa per cambiare punto di vista o manipolare i controller fisici nel mondo reale per influenzare l’ambiente digitale.
Lo status quo per catturare l’attività umana nel metaverso utilizza sensori basati su dispositivi, fotocamere o una combinazione di entrambi. Tuttavia, come scrivono i ricercatori nel loro documento di ricerca prestampato, entrambe queste modalità presentano limitazioni immediate.
Correlato: Elon Musk fa causa a Sam Altman, OpenAI per violazione dell'accordo
Un sistema di rilevamento basato su dispositivi, come un controller portatile con un sensore di movimento, “cattura le informazioni solo in un punto del corpo umano e quindi non può modellare attività molto complesse” scrivono i ricercatori. Nel frattempo, i sistemi di localizzazione basati su telecamere lottano con ambienti scarsamente illuminati e ostacoli fisici.
Inserisci il rilevamento WiFi
Gli scienziati utilizzano da anni sensori Wi-Fi per tracciare i movimenti umani. Proprio come il RADAR, i segnali radio utilizzati per inviare e ricevere dati Wi-Fi possono essere utilizzati per rilevare oggetti nello spazio.
I sensori Wi-Fi possono essere ottimizzati per rilevare i battiti cardiaci, monitorare la respirazione e il sonno e persino percepire le persone attraverso i muri.
I ricercatori di Metaverse hanno sperimentato la combinazione dei metodi di tracciamento tradizionali con il rilevamento Wi-Fi con vari gradi di successo in passato.
Entra nell'intelligenza artificiale
Il tracciamento Wi-Fi richiede l'uso di modelli di intelligenza artificiale. Sfortunatamente, l’addestramento di questi modelli ha dimostrato di presentare un elevato grado di difficoltà per i ricercatori.
Secondo il documento del team di Singapore:
“Le soluzioni esistenti che utilizzano Wi-Fi e modalità di visione si basano su enormi quantità di dati etichettati, molto difficili da raccogliere. … Proponiamo una nuova soluzione HAR multimodale senza supervisione, MaskFi, che sfrutta solo dati di attività video e Wi-Fi senza etichetta per l’addestramento dei modelli”.
Per addestrare i modelli necessari richiesti per sperimentare il rilevamento Wi-Fi per il riconoscimento dell'attività umana (HAR), gli scienziati devono creare una libreria di dati di addestramento. I set di dati utilizzati per addestrare l’intelligenza artificiale possono contenere migliaia o addirittura milioni di punti dati a seconda degli obiettivi del particolare modello.
Spesso, etichettare questi set di dati può essere la parte che richiede più tempo nella conduzione di questi esperimenti.
Inserisci Mask-Fi
Il team della Nanyang Technological University ha creato “MaskFi” per superare questa sfida. Utilizza modelli di intelligenza artificiale costruiti utilizzando un metodo chiamato “apprendimento non supervisionato”.
Nel paradigma dell’apprendimento non supervisionato, un modello di intelligenza artificiale viene preaddestrato su un set di dati significativamente più piccolo e quindi sottoposto a iterazioni fino a quando non è in grado di prevedere gli stati di output con un livello di precisione soddisfacente. Ciò consente ai ricercatori di concentrare le proprie energie sui modelli stessi anziché sullo sforzo scrupoloso necessario per creare robusti set di dati di addestramento.
Fonte: Yang, et. al., 2024
Secondo i ricercatori, il sistema MaskFi ha raggiunto una precisione di circa il 97% rispetto a due benchmark correlati. Ciò indica che questo sistema potrebbe, attraverso lo sviluppo futuro, servire da catalizzatore per una modalità di metaverso completamente nuova: un metaverso in grado di fornire una rappresentazione del mondo reale 1:1 in tempo reale.