Intelligenza artificiale indoor, nasce il “localizzatore” a prova di errore.

Intelligenza artificiale indoor, nasce il “localizzatore” a prova di errore

Algoritmi di deep learning al centro del progetto spagnolo “Dune” che punta ad aumentare l’accuratezza della posizione di oggetti e persone. Cloud e edge computing leve tecnologiche per innovare settori strategici: focus su logistica e sanità

10 Nov 2022

L. O.

Coordinate super-precise per oggetti e persone negli ambienti indoor. E’ questo l’obiettivo del progetto guidato dall’Università della Catalogna (è parte del progetto VedLiot che ha ricevuto finanziamenti da Horizon 2020 dell’Unione Europea), che punta a tracciare beni e individui in modo accurato e spingendo in questo modo innovazione e risorse per le aziende di vari settori, dalla logistica alla sanità. Al centro, tecniche di deep learning combinate a sistemi di calcolo distribuiti, in grado di sfruttare sia il cloud che l’edge computing.

Indice degli argomenti

Mix di tecnologie per la geolocalizzazione

“Esistono oggi numerosi approcci tecnologici che tentano di sfruttare le caratteristiche dei segnali radio per ottenere la posizione relativa tra gli oggetti – spiega Xavier Vilajosana dell’Universitat Oberta de Catalunya, che guida il progetto -. Questa varietà tecnologica e l’ampia gamma di situazioni in cui possono essere utilizzati, con budget e ambienti molto diversi per l’applicazione, significa che abbiamo bisogno di sviluppare un potente framework per la gestione dei dati di localizzazione provenienti da diverse tecnologie in tempo reale, che allo stesso tempo sia in grado di adattarsi a molteplici esigenze industriali e sia economicamente attraente”.

WHITEPAPER

Cloud migration: qual è l'approccio vincente?

Cloud

Cloud storage

Inizio modulo

Leggi l'informativa sulla privacy

Consente l'invio di comunicazioni promozionali inerenti i prodotti e servizi di soggetti terzi rispetto alle Contitolari che appartengono al ramo manifatturiero, di servizi (in particolare ICT) e di commercio, con modalità di contatto automatizzate e tradizionali da parte dei terzi medesimi, a cui vengono comunicati i dati.

Fine modulo

L’assist del deep learning

L’indoor asset location utilizza il “punto di vista” del dispositivo ricevente per dedurre da quale direzione proviene il segnale emesso dagli oggetti e quindi traduce queste informazioni in una stima della sua posizione. Una delle principali sfide è l’ampio margine di errore derivante dagli ostacoli tra il trasmettitore e il ricevitore del segnale, soprattutto in ambienti industriali, e dalla propagazione multipath.

In questo senso è essenziale l’elaborazione del segnale per evitare ambiguità, portando a errori nella posizione degli oggetti. Dune incorpora meccanismi di posizionamento assistiti da tecniche di deep learning al fine di ottenere prestazioni ottimali. Il deep learning prevede infatti il coinvolgimento di algoritmi di apprendimento automatico che possono essere addestrati per apprendere dagli input: questa conoscenza può quindi essere utilizzata per trarre conclusioni basate su nuove informazioni.

Strategie di calcolo distribuito

Il progetto sfrutterà anche diverse architetture di calcolo, dal cloud all’edge e al far-edge computing. In altre parole, invece di una strategia centralizzata, il calcolo sarà distribuito in vari nodi più vicini alla fonte dei dati al fine di ridurre i processi di cloud computing, diminuendo così il tempo di risposta dei server e la larghezza di banda, e contemporaneamente aumentando la sicurezza dei dati.

Inoltre i segnali radio provenienti dai sensori collegati agli oggetti o alle persone da tracciare verranno ricevuti dalla schiera di antenne del localizzatore. Questi dati devono essere trasformati per stimare gli angoli che definiscono la direzione del segnale e fornire un aggiornamento in tempo reale. “In un mondo perfetto, questa trasformazione è un processo geometrico che dipende dallo spazio tra le antenne (distanza) e la radiofrequenza (lunghezza d’onda). Tuttavia, questi ambienti sono soggetti a rumori e irregolarità”, ha sottolineato Vilajosana.

Infrastruttura nel cloud

Le posizioni stimate vengono consegnate in tempo reale da questi dispositivi edge a un’infrastruttura cloud, che è collegata ai sistemi informativi della fabbrica o del magazzino logistico in cui si svolge il lavoro. Nel cloud, metodi avanzati di intelligenza artificiale possono essere utilizzati per correggere, migliorare, classificare, rilevare anomalie e ottimizzare le operazioni.

L’infrastruttura cloud gestisce la visualizzazione e il tracciamento degli oggetti e collega e mette in relazione queste informazioni con altri sottosistemi come quelli nell’inventario della fabbrica o del magazzino.

@RIPRODUZIONE RISERVATA

14 Dic 2022

Telco per l'Italia: Execution, Eskill, Energy Le 3 grandi sfide dell'agenda 2023

Argomenti dell'evento

telco