Uma equipe de pesquisadores da Universidade Tecnológica de Nanyang, em Cingapura, revelou recentemente um novo método para rastrear o movimento humano no metaverso.
Uma das principais características do metaverso é a capacidade de representar objetos e pessoas do mundo real no mundo digital em tempo real. Na realidade virtual, por exemplo, os usuários podem virar a cabeça para mudar seus pontos de vista ou manipular controles físicos no mundo real para afetar o ambiente digital.
O status quo para capturar a atividade humana no metaverso utiliza sensores baseados em dispositivos, câmeras ou uma combinação de ambos. No entanto, como os pesquisadores escrevem em seu artigo de pesquisa pré-publicado, ambas as modalidades apresentam limitações imediatas.
Relacionado: Elon Musk processa Sam Altman e OpenAI por quebra de acordo
Um sistema de detecção baseado em dispositivo, como um controlador portátil com sensor de movimento, "captura informações apenas em um ponto do corpo humano e, portanto, não consegue modelar atividades muito complexas", escrevem os pesquisadores. Já os sistemas de rastreamento baseados em câmeras têm dificuldades em ambientes com pouca luz e obstruções físicas.
Entre no sensor WiFi
Cientistas usam sensores Wi-Fi para rastrear o movimento humano há anos. Assim como o RADAR, os sinais de rádio usados para enviar e receber dados Wi-Fi podem ser usados para detectar objetos no espaço.
Os sensores Wi-Fi podem ser ajustados para captar batimentos cardíacos, monitorar padrões de respiração e sono e até mesmo detectar pessoas através das paredes.
Pesquisadores do metaverso já experimentaram combinar métodos tradicionais de rastreamento com detecção por Wi-Fi, com vários graus de sucesso no passado.
Entra a inteligência artificial
O rastreamento por Wi-Fi requer o uso de modelos de inteligência artificial. Infelizmente, o treinamento desses modelos tem se mostrado altamente difícil para os pesquisadores.
De acordo com o artigo da equipe de Singapura:
“As soluções existentes que utilizam modalidades de Wi-Fi e visão dependem de dados massivos e rotulados, cuja coleta é muito complexa. … Propomos uma nova solução HAR multimodal não supervisionada, a MaskFi, que utiliza apenas dados de vídeo e atividade de Wi-Fi não rotulados para o treinamento do modelo.”
Para treinar os modelos necessários para experimentar o sensoriamento Wi-Fi para reconhecimento de atividade humana (HAR), os cientistas precisam construir uma biblioteca de dados de treinamento. Os conjuntos de dados usados para treinar IA podem conter milhares ou até milhões de pontos de dados, dependendo dos objetivos do modelo específico.
Muitas vezes, rotular esses conjuntos de dados pode ser a parte mais demorada da condução desses experimentos.
Entra a Máscara-Fi
A equipe da Universidade Tecnológica de Nanyang criou o “MaskFi” para superar esse desafio. Ele utiliza modelos de IA desenvolvidos com um método chamado “aprendizado não supervisionado”.
No paradigma de aprendizagem não supervisionada, um modelo de IA é pré-treinado em um conjunto de dados significativamente menor e, em seguida, submetido a iterações até ser capaz de prever estados de saída com um nível satisfatório de precisão. Isso permite que os pesquisadores concentrem sua energia nos próprios modelos, em vez do esforço meticuloso necessário para construir conjuntos de dados de treinamento robustos.
Fonte: Yang, et. outros, 2024
De acordo com os pesquisadores, o sistema MaskFi alcançou cerca de 97% de precisão em dois benchmarks relacionados. Isso indica que este sistema pode, por meio de desenvolvimento futuro, servir como catalisador para uma modalidade de metaverso inteiramente nova: um metaverso capaz de fornecer uma representação 1:1 do mundo real em tempo real.