MIT-Studenten nutzen das Potenzial intelligenter IoT-Geräte

Bei dem Begriff “Internet der Dinge” geht es nicht nur Verbindungen zwischen Dingen – sprich Sensoren und Geräten, die Daten austauschen. Die Verwaltung der Daten, die von diesen Geräten kommen, bedeutet oft, dass sie auf neue und komplexere Weise mit einer Vielzahl von Systemen verbunden werden, die in der Lage sind, alltägliche Probleme zu lösen, beispielsweise die Luftverschmutzung und die Überwachung von Menschen mit motorischen Schwierigkeiten, wie Projekte von Studenten der Ingenieurwissenschaften und der Informatik am Massachusetts Institute of Technology jetzt zeigen.

Überwachung der Luftqualität

Die Räume, in denen wir leben, arbeiten und lernen, sind durch giftige Emissionen aus dem Verkehr und der Industrie stark belastet. Dies in den Griff zu bekommen, ist eine große Aufgabe für Städte und Unternehmen. Studenten des MIT-Programms New Engineering Education Transformation (NEET) entwickelten ein System, das die Überwachung des Luftverschmutzungsgrades in Städten verbessern soll. Die Idee dahinter ist, dass Flotten von automatisierten Drohnen Abschnitte des Stadthimmels überwachen, ihre Messwerte in Echtzeit melden und dann zu den Docks zurückkehren, um sich für den nächsten Flug zu laden.

Die autonomen Drohnen fliegen etwa 100 Meter über einem dicht besiedelten städtischen Wohngebiet, um Daten zu erfassen, die anschließend an ein zentrales Kommunikationsmodul gesendet werden. Die verarbeiteten Informationen werden mit Wind- und Verkehrsmustern und vorausgegangenen Verschmutzungs-Hotspots verglichen. Die Drohnenflotte wird danach angewiesen, sich zu neuen Messpunkten zu bewegen und den Prozess zu wiederholen.

Den Studenten zufolge wurde ein mobiler Ansatz gewählt, da angenommen wird, dass die sozialen Auswirkungen im Vergleich zu anderen bekannten stationären Verschmutzungs-Überwachungssystemen größer sein würden. Die Studenten bewerteten, dass statische Modelle oft nicht in der Lage sind, die räumliche Heterogenität der Verschmutzungswerte in einem bestimmten Szenario zu erkennen. “Aufgrund der limitierten Verteilung und der fehlenden Mobilität sind sie nur ein Indikator für die Luftqualität in der unmittelbaren Umgebung eines jeden Messpunktes, nicht aber beispielsweise für die Luftqualität in der gesamten Stadt”, so die Studenten.

Die Daten über die Luftqualität werden in Echtzeit mit einer Auflösung von 15 Metern gesendet und können über eine Schnittstelle öffentlich zugänglich gemacht werden, die die gesammelten Informationen mit sozioökonomischen Daten des Gebiets verknüpfen kann, zum Beispiel mit den Faktoren Einkommen, Familienzusammensetzung, Wohnverhältnisse und Verkehrsmittel. Laut den Studenten hilft dies dabei, Muster und Ungleichheiten in der Exposition mit verschmutzter Luft aufzudecken und präzisere Entscheidungen zu treffen, um die Situation zu verändern.

Die Lösung überwacht eine Verschmutzungsform namens PM 2,5, die primär aus Partikeln besteht, die so klein sind, dass sie beim Einatmen in den Blutkreislauf gelangen und im Laufe der Zeit zu Lungen- und Herzerkrankungen führen können.

Motorische Überwachung

Eine vom Computer Science and Artificial Intelligence Laboratory (CSAIL) des MIT entwickelte taktile Sensormatte könnte bei Behandlungsformen im Gesundheitswesen oder in intelligenten Häusern von Nutzen sein. Die Matte nutzt die vielen Interaktionen, die Menschen jeden Tag mit dem Boden haben, um ihre Bewegungen besser zu verstehen.

Um die Privatsphäre so weit wie möglich zu wahren, werden Kameras zunächst nur verwendet, um den Datensatz der Umgebung zu erstellen, in der das System trainiert wird, und um die Person zu erfassen, die die Aktivitäten ausführt. Um die 3D-Position der Person auf der Matte abzuleiten, verwendet später ein tiefes neuronales Netzwerk nur die taktilen Informationen und stellt fest, ob die Person beispielsweise Sit-ups, Dehnübungen oder eine andere Aktivität durchführt.

Die Forscher trainierten das System mit taktilen und visuellen Daten, zum Beispiel mit einem Video und einer entsprechenden Heatmap von einer Person, die Liegestütze ausführt. Das KI-Modell verwendet diese visuellen Daten als Ground Truth und nutzt den Druck der Person auf der Matte, um verschiedene menschliche Posen in 3D zu erstellen, sodass ein Bild oder Video einer Person erzeugt wird, die eine bestimmte Aktion auf der Matte ausführt, ohne die Person, die die Aktion ausführt, tatsächlich zu registrieren.

Die Matte kann nicht nur zur Begleitung von Fitnesskursen eingesetzt werden, sondern zum Beispiel auch zur Überwachung von Risikopatienten, zur Sturzerkennung und für Rehabilitationsmaßnahmen.

“Wir haben eine kostengünstige, hochdichte, großflächige intelligente Matte gebaut, die Echtzeit-Aufnahmen von menschlichen taktilen Bodeninteraktionen auf einer kontinuierlichen Basis ermöglicht”, so die Forscher.

Die Matte besteht aus handelsüblicher druckempfindlicher Folie und leitfähigen Drähten mit mehr als 9.000 Sensoren und misst 11 x 0,6 Meter. Jeder der Sensoren wandelt den Körperdruck in ein elektrisches Signal um. Zudem wird das System speziell auf synchronisierte taktile und visuelle Daten trainiert, beispielsweise Videos und Heatmaps, die einer Person entsprechen, die Liegestütze macht. Das Modell nimmt die aus den visuellen Daten extrahierte Pose als Grundlage, verwendet die taktilen Daten als Input und erzeugt so die entsprechende 3D-Pose der Person.

Nach Angaben der Forscher ist das Modell in der Lage, Posen mit einer Fehlerrate von weniger als 10 Zentimetern vorherzusagen. Bei der Klassifizierung bestimmter Handlungen war das System in 97 % der Fälle genau.

In Zukunft sollen die Messwerte für zahlreiche Benutzer verbessert werden, zum Beispiel in Szenarien, in denen zwei Personen auf dem Teppich tanzen. Außerdem sollen mehr Informationen aus taktischen Signalen erfasst werden, etwa die Größe oder das Gewicht der Person.