KOALA: Koopman Operator Learning for WiFi-Based Anticipatory Hum
يُعد KOALA إطار عمل مبتكر يتيح التنبؤ القوي بحركة الإنسان عبر آفاق زمنية متعددة مباشرة من بيانات مؤشر حالة حالة الربط (CSI) الخاصة بشبكات WiFi المشوبة بالضجيج، وذلك عن طريق رفع تسلسلات الوضعيات إلى فضاء "كوبمان" كامن متعلم حيث يتم خطية الديناميكيات غير الخطية، مما يتجنب تراكم الأخطاء المعتاد في الطرق ذات التكرار الذاتي مع تقديم مكونات هيكلية محددة لمعالجة العقبات الديناميكية الشائعة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول مشاهدة فيلم في غرفة أُطفئت فيها الأنوار، وكانت جدرانها سميكة، والكاميرا بها عطل. هذا هو الواقع اليومي للعديد من الأنظمة الذكية التي تعتمد على الكاميرات لفهم حركة البشر. تحتاج الكاميرات إلى خط رؤية واضح، وهي تعاني في الظلام، كما تثير مخاوف جدية بشأن الخصوصية عند وضعها في المنازل أو المستشفيات. لسنوات، بحث العلماء عن طريقة أفضل للرؤية دون الرؤية فعلياً. وقد وجدوا مرشحاً واعداً في الموجات غير المرئية لإشارات "الواي فاي" (Wi-Fi) التي تملأ منازلنا. هذه الإشارات ترتد عن كل شيء، بما في ذلك البشر، والطريقة التي تتغير بها مع حركة الشخص تحمل توقيعاً خفياً لتلك الحركة. وبينما تمكن الباحثون بالفعل من استخدام هذه الإشارات لتخمين مكان وقوف الشخص في اللحظة الراهنة، ظل هناك سؤال أصعب بكثير: هل يمكن للحاسوب أن يتنبأ بمكان ذهاب ذلك الشخص قبل أن يصل إلى هناك؟
تقدم دراسة جديدة نُشرت في دورية (Transactions on Machine Learning Research) نظاماً يسمى "كوالا" (KOALA)، صُمم للإجابة على هذا السؤال. طور الباحثون، من خلال العمل على بيانات من مجموعتين كبيرتين من بيانات استشعار الواي فاي، طريقة تأخذ الإشارات المزعجة والمتقطعة من جهاز توجيه الواي فاي وتحولها إلى توقع موثوق لحركة الإنسان. وخلافاً للمحاولات السابقة التي حاولت تخمين اللحظة التالية بناءً على اللحظة السابقة، وهي عملية غالباً ما تؤدي إلى سلسلة من الأخطاء المتتالية، يستخدم "كوالا" نهجاً رياضياً يعامل المستقبل بأكمله كمسار خطي واحد. نجح النظام في التنبؤ بوضعيات جسم الإنسان حتى ثانيتين في المستقبل بدقة تفوق بكثير الأساليب الحالية، مما يثبت أن الواي فاي يمكنه فعل أكثر من مجرد توصيل الأجهزة؛ بل يمكنه استباق الفعل البشري.
إن تحدي التنبؤ بالحركة من خلال الواي فاي يختلف جوهياً عن القيام بذلك باستخدام كاميرا فيديو. عندما تسجل الكاميرا شخصاً ما، فإنها تلتقط صورة واضحة ومفصلة لهيكله العظمي. أما الواي فاي، فيرى العالم من خلال ضباب من التداخل. فبينما يتحرك الشخص، تعكس أجزاء جسده الموجات الراديوية وتشتتها، مما يخلق نمطاً معقداً من تغيرات الإشارة التي غالباً ما تكون غير مكتملة ومليئة بالتشويش. تعاملت الأنظمة السابقة مع هذا كمسألة بسيطة لتخمين الموقع الحالي بناءً على الإشارة، لكنها فشلت في نمذجة كيفية تغير هذا الموقع بمرور الوقت. وعندما حاول الباحثون تطبيق تقنيات التنبؤ بالفيديو القياسية على إشارات الواي فاي الفوضوية هذه، تراكمت الأخطاء بسرعة. فإذا خمن النظام الخطوة التالية بشكل خاطئ، يصبح هذا الخطأ هو نقطة البداية للتخمين التالي، وسرعان ما ينحدر التنبؤ نحو العبث.
يحل "كوالا" هذه المشكلة عن طريق تغيير طريقة تفكير الحاسوب في المسألة. فبدلاً من محاولة التنبؤ بالوضعية التالية خطوة بخطوة، يقوم النظام برفع تسلسل الحركات بأكمله إلى فضاء رياضي خاص حيث تصبح قواعد الحركة بسيطة ومستقيمة. في هذا الفضاء، يمكن وصف المسار المعقد والمتعرج لجسم الإنسان بقاعدة واحدة ثابتة تنطبق على كل لحظة في المستقبل. بنى الباحثون شبكة عصبية تتعلم ترجمة إشارات الواي فاي الفوضوية إلى هذا الفضاء النظيف، وتطبيق القاعدة للقفز عبر الزمن، ثم ترجمة النتيجة مرة أخرى إلى وضعية بشرية. ولأن النظام لا يضطر إلى التخمين خطوة بخوة، فإنه يتجنب تراكم الأخطاء الذي يعيب الطرق الأخرى. يمكنه النظر إلى الإشارة الحالية وحساب مكان وجود الشخص فوراً بعد ثانية واحدة، أو ثانيتين، أو حتى أبعد من ذلك، دون أن يتدهور التنبؤ.
لإنجاح ذلك، كان على الفريق التغلب على مشكلة محددة تتمثل في قيام النظام ببساطة بنسخ الوضعية الحالية والتظاهر بأن شيئاً لن يتغير، وهو حل يعمل للأوقات القصيرة جداً ولكنه يفشل في الأوقات الأطول. لقد أصلحوا ذلك من خلال تصميم النظام ليتنبأ فقط بالفرق بين الوضعية الحالية والوضعية المستقبلية، بدلاً من التنبؤ بالوضعية نفسها. كما أضافوا طريقة تدريب خاصة تجبر النظام على البقاء متسقاً عبر مقاييس زمنية مختلفة، مما يضمن أن القاعدة الرياضية التي يتعلمها تعكس بالفعل كيفية تحرك البشر. والنتيجة هي نموذج يظل مستقراً حتى عندما تكون إشارة الواي فاي مشوشة أو عندما تتغير البيئة.
اختبر الباحثون "كوالا" على مجموعتي بيانات كبيرتين تحتويان على آلاف الأمثلة لأشخاص يتحركون في غرف مختلفة ويقومون بأفعال متنوعة. وفي اختبار تضمن حركة ثنائية الأبعاد، تنبأ النظام بالوضعيات بمتوسط خطأ قدره 26.14 ملم بعد عُشر من الثانية في المستقبل، و27.28 ملم بعد ثانية واحدة. كان هذا تحسناً كبيراً مقارنة بأفضل طريقة تالية، والتي كانت أقل دقة بنحو 19 بالمائة. وفي اختبار أكثر صعوبة تضمن حركة ثلاثية الأبعاد، تفوق النظام على جميع الأساليب الأخرى بفارق شاسع، حيث قلل الخطأ بمعامل يزيد عن ستة أضعاف مقارنة بأفضل طريقة منافسة عند أقصر مقياس زمني. والأهم من ذلك، أنه مع زيادة وقت التنبؤ، نما الخطأ ببطء وثبات، بينما شهدت الطرق الأخرى انفجاراً في أخطائها أو استواءً يوحي بأنها كانت تخمن متوسط الموقع بدلاً من تتبع الحركة الحقيقية.
تشير النتائج إلى أن إشارات الواي فاي تحتوي على معلومات كافية ليس فقط لتحديد موقع الشخص، بل للتنبؤ بتحركاته المستقبلية بدقة عالية. هذه القدرة يمكن أن تغير كيفية تفاعل البيئات الذكية مع البشر، مما يسمح بالمساعدة الاستباقية في المنازل، والتعاون الأكثر أماناً بين البشر والروبوتات في المصانع، والتدخل المبكر في مراقبة الرعاية الصحية. يعمل النظام دون الحاجة إلى أن يرتدي الشخص أي مستشعرات أو أن يُرى بواسطة كاميرا، مما يوفر بديلاً يحافظ على الخصوصية، ويعمل دائماً ويستمع دائماً. وبينما تم تصميم النسخة الحالية من النظام لتعمل مع شخص واحد وتفترض أن البيئة تظل مستقرة نسبياً، فإن نجاح هذا النهج يفتح الباب لتطبيقات أكثر تعقيداً. يشير الباحثون إلى أن العمل المستقبلي يمكن أن يوسع هذا ليشمل التنبؤ بحركات عدة أشخاص في آن واحد أو التعامل مع التغيرات المفاجئة في السلوك، لكن الإنجاز الجوهري يظل قائماً: لقد تعلمت الآلة رؤية المستقبل في ضجيج إشارة الواي فاي.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.