A behaviour-centric digital twin framework for animal monitoring: from managed enclosures to landscapes

Per decenni, il modo in cui osserviamo gli animali è stato un gioco di frammenti. Negli zoo, nelle riserve naturali e nei centri di riabilitazione, i ricercatori si affidano a telecamere fisse per osservare il comportamento. Una telecamera nell'angolo vede il lato sinistro di uno stagno; un'altra su un palo vede il lato destro. Ogni obiettivo cattura una fetta del mondo, ma nessuna singola telecamera vede l'immagine completa. Quando gli scienziati cercano di capire come un animale utilizzi il proprio spazio, spesso devono ricomporre questi punti di vista disgiunti manualmente o, peggio, scambiano un punto cieco per un luogo che l'animale semplicemente non gradisce. Questo approccio non è solo incompleto; è spesso invasivo. Installare nuove telecamere in un recinto occupato richiede forature, cablaggi e una presenza umana ripetuta, il che stressa proprio gli animali che si stanno studiando. Idealmente, il sistema di monitoraggio dovrebbe essere perfetto prima che anche un solo strumento tocchi il suolo, e i dati dovrebbero riflettere il mondo reale dell'animale, non solo la visione limitata della telecamera.

È qui che entra in gioco il concetto di "gemello digitale". Immaginate una copia virtuale perfetta di un luogo fisico, costruita con le stesse dimensioni, texture e illuminazione della realtà. In ingegneria, questi gemelli vengono utilizzati per testare le macchine prima che vengano costruite. In ecologia, stanno iniziando ad aiutare gli scienziati a comprendere le popolazioni, ma sono stati raramente utilizzati per osservare i singoli animali nei loro habitat quotidiani. Un nuovo framework sviluppato dai ricercatori di Vantara, un centro di soccorso e riabilitazione della fauna selvatica in India, mira a colmare questa lacuna. Hanno creato un sistema che trasforma un recinto zoologico in una mappa vivente e interattiva. Questo sistema non si limita a registrare video; comprende lo spazio tridimensionale, sa esattamente cosa ogni telecamera può e non può vedere, e traduce ogni movimento in una posizione precisa su una mappa che rappresenta il vero mondo dell'animale.

I ricercatori hanno applicato questo framework a due recinti specifici del loro centro: uno per gli orsi neri americani e un altro per gli ippopotami pigmei. Per il paddock degli orsi neri, che copre quasi 1.000 metri quadrati, hanno costruito una replica virtuale dettagliata utilizzando immagini satellitari, foto da droni e rilievi a terra. Questo modello digitale include il terreno, uno stagno, pareti rocciose, strutture per l'arrampicata e persino gli alberi e i tronchi specifici che potrebbero bloccare la visuale. Hanno posizionato telecamere virtuali esattamente nei punti in cui sono state installate le telecamere reali, imitando la loro altezza e angolazione. Prima che il sistema potesse essere affidato a dati reali, il team ha eseguito un rigoroso test di autovalutazione. Hanno generato migliaia di movimenti sintetici, generati dal computer, per due orsi virtuali, creando una "verità di base" (ground truth) su dove gli animali dovessero trovarsi. Hanno poi inserito questi movimenti finti nel loro sistema di rilevamento per vedere se il software potesse recuperare accuratamente le posizioni.

I risultati di questa simulazione sono stati precisi. Quando il sistema analizzava i dati di una singola telecamera, poteva individuare la posizione di un orso con un errore mediano di circa 19 centimetri. Tuttavia, il vero potere del sistema è emerso quando ha combinato le visuali di più telecamere. Fondendo i dati provenienti da diverse angolazioni, l'errore è sceso a soli 7 centimetri. Questa fusione ha permesso al sistema di vedere il 94,8% delle volte in cui gli animali erano attivi, eliminando efficacemente i "punti ciechi" che affliggono il monitoraggio tradizionale. Fondamentalmente, il sistema era anche in grado di distinguere tra uno spazio realmente vuoto e uno spazio semplicemente nascosto alla vista. Nei metodi più vecchi, se una telecamera non poteva vedere un angolo dell'area recintata, il software poteva presumere che l'animale evitasse quell'angolo. Questo nuovo framework marca tali aree nascoste come "non osservabili", garantendo che i dati riflettano ciò che è stato effettivamente visto, non ciò che è stato mancato.

Oltre al semplice tracciamento del movimento, il framework consente un livello di pianificazione precedentemente impossibile. I ricercatori hanno utilizzato il gemello digitale per analizzare la rete di telecamere prima che qualsiasi hardware venisse installato, un processo che sarebbe stato impossibile in un vero recinto occupato senza disturbare gli animali. Hanno calcolato che la configurazione a cinque telecamere che hanno infine installato renderebbe l'85,1% del paddock visibile ad almeno una telecamera, con il 57,4% visibile a due o più telecamere contemporaneamente. Il sistema ha identificato che una specifica telecamera, posizionata vicino alla porta della tana, era una specialista che vedeva molto poco dell'area generale, ma era essenziale per sorvegliare l'ingresso. Ha inoltre rivelato che un'altra telecamera, situata all'estremità della piscina, era la più critica per la copertura complessiva; se quella fosse fallita, l'area visibile sarebbe diminuita significativamente. Inoltre, il gemello poteva prevedere quando il sole avrebbe colpito direttamente le lenti, causando riflessi che sbiadiscono l'immagine. Ha mostrato che le telecamere rivolte a sud sarebbero state accecate dal sole per fino a dieci ore al giorno durante il solstizio d'inverno, un problema che poteva essere risolto regolando l'angolo di montaggio o utilizzando l'illuminazione a infrarossi prima ancora che le telecamere venissero accese.

L'obiettivo ultimo di questo lavoro è creare una storia continua per ogni animale, dalla riabilitazione al rilascio. Attualmente, la vita di un animale viene spesso studiata in due fasi disconnesse: il tempo trascorso in un recinto gestito e il tempo trascorso in natura. Questo framework propone un ponte tra le due. La stessa architettura digitale utilizzata per monitorare un orso in uno zoo potrebbe essere adattata per monitorare lo stesso orso dopo il suo rilascio in un vasto paesaggio, utilizzando collari GPS e fototrappole invece di telecamere a circuito chiuso fisse. Ciò consentirebbe agli scienziati di mantenere un registro unico e coerente del comportamento di un individuo, confrontando come utilizzava lo spazio in cattività con come naviga nel mondo selvaggio. Sebbene l'attuale studio si sia concentrato sulla precisione del monitoraggio del recinto, il design è costruito per scalare verso questi ambienti più grandi e selvaggi.

I ricercatori sottolineano che le loro scoperte si basano su una simulazione altamente accurata e su un'analisi retrospettiva di una rete di telecamere già installata. Il sistema non è ancora stato testato su filmati reali in tempo reale degli orsi in questo studio specifico, sebbene il software di rilevamento sottostante sia già operativo sulla rete del centro. Il successo della simulazione dimostra che le fondamenta matematiche e geometriche sono solide, stabilendo un margine di errore sufficientemente piccolo da poter essere considerato affidabile per l'analisi del comportamento. Spostando la fase di progettazione e test in un mondo virtuale, il framework assicura che l'installazione fisica sia corretta al primo colpo, risparmiando agli animali lo stress di ripetute costruzioni. Trasforma il monitoraggio degli animali da una collezione di frammenti di video bidimensionali in una misurazione tridimensionale unificata della vita, dove ogni passo è contabilizzato e ogni punto cieco è noto.