AIoT, Internet de las cosas, inteligencia artificial
16 febrero 2025.- La Inteligencia Artificial de las Cosas (AIoT) integra la Inteligencia Artificial (IA) con la Internet de las Cosas (IoT), combinando las fortalezas de ambas tecnologías. A diferencia de los sistemas tradicionales de IoT, donde los dispositivos recopilan y transmiten datos a un servidor remoto para su procesamiento, los dispositivos AIoT procesan los datos localmente en tiempo real, lo que les permite tomar decisiones inteligentes en el momento. Esta capacidad ha llevado a una adopción generalizada en áreas como la fabricación inteligente, la seguridad del hogar inteligente y la monitorización de la atención sanitaria.
En las aplicaciones para hogares inteligentes, el reconocimiento preciso de la actividad humana es esencial, lo que permite a los sistemas AIoT detectar actividades como cocinar o hacer ejercicio. Al analizar estos datos, el sistema puede ajustar automáticamente la iluminación, reproducir música u optimizar el uso de energía, mejorando tanto la comodidad como la eficiencia. Entre los diversos enfoques para el reconocimiento de movimiento, la detección basada en WiFi se destaca por su amplia disponibilidad, rentabilidad y capacidad para preservar la privacidad del usuario.
Avance en AIoT: el marco MSF-Net
Recientemente, en un artículo de investigación novedoso, un equipo de investigadores, dirigido por el profesor Gwanggil Jeon de la Facultad de Tecnología de la Información de la Universidad Nacional de Incheon, Corea del Sur, ha ideado un nuevo marco de AIoT llamado red de fusión de espectrogramas múltiples (MSF-Net) para el reconocimiento de la actividad humana basada en WiFi. Sus hallazgos se publicaron recientemente en el IEEE Internet of Things Journal .
El profesor Jeon explica la motivación detrás de su investigación: “Como aplicación típica de AIoT, el reconocimiento de la actividad humana basado en WiFi se está volviendo cada vez más popular en los hogares inteligentes. Sin embargo, el reconocimiento basado en WiFi a menudo tiene un rendimiento inestable debido a la interferencia ambiental. Nuestro objetivo era superar este problema”.
MSF-Net: un marco de aprendizaje profundo para un mejor reconocimiento de actividades
En este sentido, los investigadores desarrollaron el robusto marco de aprendizaje profundo MSF-Net, que logra un reconocimiento de actividad tanto grueso como fino a través de la información del estado del canal (CSI).
MSF-Net tiene tres componentes principales: una estructura de doble flujo que comprende la transformada de Fourier de tiempo corto junto con la transformada wavelet discreta, un transformador y una rama de fusión basada en la atención. Mientras que la estructura de doble flujo identifica información anormal en CSI, el transformador extrae características de alto nivel de los datos de manera eficiente. Por último, la rama de fusión potencia la fusión entre modelos.
Los investigadores realizaron experimentos para validar el rendimiento de su marco y descubrieron que alcanza puntuaciones Kappa de Cohen notables de 91,82 %, 69,76 %, 85,91 % y 75,66 % en los conjuntos de datos SignFi, Widar3.0, UT-HAR y NTU-HAR, respectivamente. Estos valores resaltan el rendimiento superior de MSF-Net en comparación con las técnicas de vanguardia para el reconocimiento de actividad gruesa y fina basado en datos WiFi.
La técnica de fusión de frecuencias multimodal ha mejorado significativamente la precisión y la eficiencia en comparación con las tecnologías existentes, aumentando la posibilidad de aplicaciones prácticas. Esta investigación se puede utilizar en diversos campos, como los hogares inteligentes, la medicina de rehabilitación y el cuidado de las personas mayores. Por ejemplo, puede prevenir caídas al analizar los movimientos del usuario y contribuir a mejorar la calidad de vida al establecer un sistema de seguimiento de la salud no presencial.
En general, se espera que el reconocimiento de actividad mediante WiFi, la tecnología de convergencia de IoT e IA propuesta en este trabajo, mejore enormemente la vida de las personas a través de la comodidad y la seguridad cotidianas.
Referencia: “An AIoT Framework With Multimodal Frequency Fusion for WiFi-Based Coarse and Fine Activity Recognition” by Junxin Chen, Xu Xu, Tingting Wang, Gwanggil Jeon and David Camacho, 13 May 2024, IEEE Internet of Things Journal. DOI: 10.1109/JIOT.2024.3400773
COMENTARIOS