Rotation-Invariant Multi-IMU Activity Recognition under Independent Per-Location Orientation Shifts
यह शोध पत्र TRI-HAR का परिचय देता है, जो एक रोटेशन-इनवेरिएंट (घूर्णन-अपरिवर्तनीय) ढांचा है जो एक SO(3)-इक्विवेरिएंट बैकबोन और इनवेरिएंट फीचर फ्यूजन का उपयोग करके मल्टी-सेंसर मानव गतिविधि पहचान में स्वतंत्र प्रति-स्थान IMU ओरिएंटेशन शिफ्ट के प्रति मजबूती सुनिश्चित करता है, जिससे यह बिना किसी स्पष्ट अंशांकन या संवर्धन के पारंपरिक रोटेशन-ऑगमेंटेड विधियों से बेहतर प्रदर्शन करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
मानव गतिविधि पहचान (ह्यूमन एक्टिविटी रिकग्निशन) वह विज्ञान है जो कंप्यूटर को यह सिखाता है कि शरीर की सूक्ष्म गतिविधियों को सुनकर एक व्यक्ति क्या कर रहा है, इसे कैसे समझा जाए। यह तकनीक छोटे सेंसरों पर निर्भर करती है, जिन्हें अक्सर इनर्शियल मेजरमेंट यूनिट्स (IMUs) कहा जाता है, जिन्हें कलाई, छाती या टखने पर त्वरण (एक्सेलरेशन) और घूर्णन (रोटेशन) को रिकॉर्ड करने के लिए बांधा जाता है। ये उपकरण घर पर आधारित पुनर्वास कार्यक्रमों, फिटनेस ट्रैकिंग और चिकित्सा निगरानी के पीछे के मौन पर्यवेक्षक हैं, जो कच्चे शारीरिक संचलन को "चलना," "दौड़ना," या "बैठना" जैसे डिजिटल लेबल में अनुवादित करते हैं। हालाँकि, एक निरंतर समस्या लंबे समय से इन प्रणालियों को परेशान कर रही है: सेंसर को शायद ही कभी बिल्कुल एक ही तरीके से दो बार लगाया जाता है। जब कोई रोगी दूसरी बार अपने हाथ में सेंसर पहनता है, या जब कोई अलग व्यक्ति उसी उपकरण को पहनता है, तो उसका ओरिएंटेशन (झुकाव) बदल जाता है। सेंसर थोड़ा बाईं ओर झुका हो सकता है या आगे की ओर घूम सकता है, जिससे एक ही शारीरिक गतिविधि पूरी तरह से अलग संख्याओं का सेट उत्पन्न कर सकती है। वर्षों तक, कंप्यूटर यह पहचानने में संघर्ष करते रहे कि एक झुके हुए सेंसर द्वारा रिकॉर्ड की गई "दौड़" वही गतिविधि थी जो एक सीधे सेंसर द्वारा रिकॉर्ड की गई "दौड़" थी, और अक्सर डिवाइस के थोड़ा सा भी हिल जाने पर वे विफल हो जाते थे।
कोरिया यूनिवर्सिटी और मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी के शोधकर्ताओं की एक टीम ने इस विशिष्ट समस्या को हल करने के लिए एक नया दृष्टिकोण विकसित किया है, जिससे एक ऐसी प्रणाली बनाई गई है जो सेंसर को यादृच्छिक ओरिएंटेशन में फिर से लगाने पर भी सटीक रहती है। उनका कार्य, जिसे TRI-HAR फ्रेमवर्क के रूप में प्रस्तुत किया गया है, उस परिदृश्य को संबोधित करता है जो स्व-प्रशासित स्वास्थ्य निगरानी में आम है जहाँ शरीर के विभिन्न हिस्सों पर एक साथ कई सेंसरों का उपयोग किया जाता है। इन सेटिंग्स में, प्रत्येक सेंसर अन्य सेंसरों के स्वतंत्र रूप से मुड़ा या घूम सकता है, जो मानक कंप्यूटर मॉडलों को भ्रमित करता है। शोधकर्ताओं ने पाया कि प्रत्येक सेंसर स्थान से प्राप्त डेटा को एक अलग तीन-आयामी वेक्टर के रूप में मानकर और उन्हें एक विशेष गणितीय संरचना के माध्यम से संसाधित करके, वे घूर्णन से होने वाले भ्रम को दूर कर सकते हैं। यह उन्हें डिवाइस को पकड़ने के तरीके की परवाह किए बिना, शुद्ध रूप से गति के आकार पर ध्यान केंद्रित करने की अनुमति देता है।
उनकी खोज का मूल तत्व इस बात में निहित है कि वे डेटा को संयोजित करने से पहले उसे कैसे संभालते हैं। पारंपरिक तरीके अक्सर यह अनुमान लगाने की कोशिश करते हैं कि सेंसर का सही ओरिएंटेशन क्या है या वे कंप्यूटर को हजारों कृत्रिम रूप से घुमाए गए उदाहरणों के साथ प्रशिक्षित करने पर भरोसा करते हैं, इस उम्मीद में कि वह पैटर्न को पहचान लेगा। शोधकर्ताओं ने तर्क दिया कि ये तरीके नाजुक हैं; यदि कंप्यूटर ऐसा रोटेशन देखता है जिसके लिए उसे प्रशिक्षित नहीं किया गया था, तो वह विफल हो जाता है। इसके बजाय, उन्होंने एक ऐसी प्रणाली बनाई जहाँ गणितीय नियम स्वयं रोटेशन को अंतिम उत्तर बदलने से रोकते हैं। उन्होंने सॉफ्टवेयर को इस तरह डिजाइन किया कि वह पहले शरीर के प्रत्येक स्थान (जैसे छाती या जांघ) से डेटा को व्यक्तिगत रूप से देखे। प्रत्येक स्थान के लिए, सिस्टम कच्चे सेंसर संकेतों को एक ऐसे रूप में परिवर्तित करता है जो सेंसर के साथ घूमता है, और फिर तुरंत उस जानकारी को एक स्थिर, रोटेशन-प्रूफ सारांश में समेट देता है। प्रत्येक सेंसर के डेटा को उसके अपने विशिष्ट झुकाव के प्रति प्रतिरोधी बनाने के तुरंत बाद, सिस्टम सभी शरीर के अंगों के सारांशों को जोड़कर यह निर्णय लेता है कि व्यक्ति क्या कर रहा है।
यह दृष्टिकोण विभिन्न गतिविधियों को करने वाले लोगों की रिकॉर्डिंग वाले चार अलग-अलग सार्वजनिक डेटासेट्स के विरुद्ध परीक्षण किए जाने पर उल्लेखनीय रूप से प्रभावी साबित हुआ। उन प्रयोगों में जहाँ शोधकर्ताओं ने प्रत्येक सेंसर स्थान से डेटा को एक निश्चित, यादृच्छिक मात्रा में कृत्रिम रूप से घुमाया था ताकि पुन: लगाव का अनुकरण किया जा सके, नई प्रणाली ने लगभग पूरी तरह से अपनी सटीकता बनाए रखी। इसके विपरीत, मौजूदा मॉडल जिन्होंने इस विशेष संरचना का उपयोग नहीं किया था, उनमें प्रदर्शन नाटकीय रूप से गिर गया, और वे अक्सर बुनियादी गतिविधियों को पहचानने में विफल रहे। यहाँ तक कि उन मॉडलों की तुलना में भी जिन्हें इन रोटेशन की नकल करने के लिए अतिरिक्त डेटा के साथ प्रशिक्षित किया गया था, नया सिस्टम बिना किसी अतिरिक्त प्रशिक्षण के बेहतर प्रदर्शन करता रहा। शोधकर्ताओं ने एक वास्तविक दुनिया के डेटासेट पर भी सिस्टम का परीक्षण किया जहाँ एक मानव प्रशिक्षक द्वारा सेंसर को भौतिक रूप से हिलाया और पुन: व्यवस्थित किया गया था, जो रोटेशन और स्थिति दोनों परिवर्तनों को पेश करता है। इस चुनौतीपूर्ण परीक्षण में, नए सिस्टम ने फिर से सर्वश्रेष्ठ मौजूदा तरीकों से बेहतर प्रदर्शन किया, जिससे पुष्टि हुई कि रोटेशन को अनदेखा करने की इसकी क्षमता तब भी बनी रहती है जब सेंसरों को अप्रत्याशित तरीकों से हिलाया जाता है।
शोधकर्ताओं ने यह भी जांचा कि यह नई प्रणाली मानक कंप्यूटर हार्डवेयर पर कितनी तेजी से चलती है, क्योंकि वास्तविक समय की स्वास्थ्य निगरानी के लिए गति महत्वपूर्ण है। उन्होंने पाया कि हालांकि यह प्रणाली सरल मॉडलों की तुलना में अधिक जटिल है, फिर भी यह लाइव सेंसर स्ट्रीम के साथ तालमेल बिठाने के लिए पर्याप्त तेजी से डेटा को संसाधित करती है। तीन सेंसरों वाले सेटअप के लिए, सिस्टम डेटा की एक विंडो का विश्लेषण करने में सौ मिलीसेकंड से कम समय लेता है, जो सेंसर द्वारा अगली खेप एकत्र करने में लगने वाले समय से बहुत तेज है। इसका मतलब है कि इस तकनीक का वास्तविक रूप से किसी व्यक्ति के कंप्यूटर या फोन पर गतिविधि की निगरानी करने के लिए उपयोग किया जा सकता है, बिना डेटा को किसी दूर के सर्वर पर भेजे। यह कार्य यह प्रदर्शित करता है कि डेटा को देखने के तरीके की मौलिक वास्तुकला को बदलकर, न कि केवल इसे अधिक उदाहरणों के माध्यम से खिलाकर, गतिविधि पहचान प्रणालियों को बनाना संभव है जो उपकरणों को पहनने के वास्तविक और अव्यवस्थित तरीके के प्रति मजबूत (रोबस्ट) हों।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।