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

Por décadas, a forma como observamos os animais tem sido um jogo de fragmentos. Em zoológicos, reservas de vida selvagem e centros de reabilitação, pesquisadores dependem de câmeras fixas para observar o comportamento. Uma câmera no canto vê o lado esquerdo de um lago; outra em um poste vê o lado direito. Cada lente captura uma fatia do mundo, mas nenhuma câmera individual vê o quadro completo. Quando cientistas tentam entender como um animal utiliza seu espaço, muitas vezes precisam costurar esses vislumbres desconexos manualmente ou, pior, confundem um ponto cego com um lugar que o animal simplesmente não gosta. Essa abordagem não é apenas incompleta; é frequentemente disruptiva. Instalar novas câmeras em um recinto ocupado exige perfuração, cabeamento e presença humana repetida, o que estressa os próprios animais que estão sendo estudados. Idealmente, o sistema de monitoramento deveria ser perfeito antes que qualquer ferramenta toque o solo, e os dados deveriam refletir o mundo real do animal, não apenas a visão limitada da câmera.

É aqui que o conceito de um "gêmeo digital" entra na história. Imagine uma cópia virtual perfeita de um lugar físico, construída com as mesmas dimensões, texturas e iluminação do real. Na engenharia, esses gêmeos são usados para testar máquinas antes de serem construídas. Na ecologia, eles estão começando a ajudar cientistas a entender populações, mas raramente foram usados para observar animais individuais em seus habitats diários. Um novo framework desenvolvido por pesquisadores da Vantara, um centro de resgate e reabilitação de vida selvagem na Índia, visa preencher essa lacuna. Eles criaram um sistema que transforma o recinto de um zoológico em um mapa vivo e interativo. Este sistema não apenas grava vídeo; ele compreende o espaço tridimensional, sabe exatamente o que cada câmera pode e não pode ver, e traduz cada movimento em uma localização precisa em um mapa que representa o mundo verdadeiro do animal.

Os pesquisadores aplicaram este framework a dois recintos específicos em seu centro: um para ursos-negros-americanos e outro para hipopótamos-pigmeus. Para o cercado dos ursos-negros, que cobre quase 1.000 metros quadrados, eles construíram uma réplica virtual detalhada usando imagens de satélite, fotos de drones e levantamentos terrestres. Este modelo digital inclui o terreno, um lago, paredes de rocha, estruturas de escalada e até mesmo as árvores e troncos específicos que podem bloquear a visão. Eles posicionaram câmeras virtuais exatamente nos locais onde as câmeras reais foram instaladas, mimetizando sua altura e ângulo. Antes que o sistema pudesse ser confiado com dados reais, a equipe realizou um autoteste rigoroso. Eles geraram milhares de movimentos sintéticos, gerados por computador, para dois ursos virtuais, criando uma "verdade fundamental" (ground truth) de onde os animais deveriam estar. Em seguida, alimentaram esses movimentos falsos através de seu sistema de detecção para ver se o software poderia recuperar as posições com precisão.

Os resultados desta simulação foram precisos. Quando o sistema analisava os dados de uma única câmera, conseguia localizar um urso com um erro mediano de cerca de 19 centímetros. No entanto, o verdadeiro poder do sistema emergiu quando combinou as visões de múltiplas câmeras. Ao fundir os dados de diferentes ângulos, o erro caiu para apenas 7 centímetros. Essa fusão permitiu que o sistema visse 94,8% das vezes em que os animais estavam ativos, eliminando efetivamente os "pontos cegos" que assolam o monitoramento tradicional. Crucialmente, o sistema também podia distinguir entre um espaço que estava realmente vazio e um espaço que estava simplesmente oculto da visão. Em métodos antigos, se uma câmera não conseguia ver um canto do recinto, o software poderia assumir que o animal evitava aquele canto. Este novo framework marca essas áreas ocultas como "não observáveis", garantindo que os dados reflitam o que foi realmente visto, não o que foi perdido.

Além de apenas rastrear o movimento, o framework permite um nível de planejamento que era anteriormente impossível. Os pesquisadores usaram o gêmeo digital para analisar a rede de câmeras antes de qualquer hardware ser instalado, um processo que seria impossível em um recinto real e ocupado sem perturbar os animais. Eles calcularam que a configuração de cinco câmeras que eventualmente instalaram tornaria 85,1% do cercado visível para pelo menos uma câmera, com 57,4% visíveis para duas ou mais câmeras simultaneamente. O sistema identificou que uma câmera específica, posicionada perto da porta da toca, era uma especialista que via muito pouco da área geral, mas era essencial para vigiar a entrada. Também revelou que outra câmera, localizada na extremidade da piscina, era a mais crítica para a cobertura geral; se essa falhasse, a área visível diminuiria significativamente. Além disso, o gêmeo podia prever quando o sol brilharia diretamente nas lentes, causando o reflexo que apaga a imagem. Mostrou que as câmeras voltadas para o sul seriam ofuscadas pelo sol por até dez horas por dia durante o solstício de inverno, um problema que agora poderia ser resolvido ajustando o ângulo de montagem ou usando iluminação infravermelha antes mesmo de as câmeras serem ligadas.

O objetivo final deste trabalho é criar uma história contínua para cada animal, da reabilitação à soltura. Atualmente, a vida de um animal é frequentemente estudada em duas fases desconectadas: o tempo passado em um recinto gerenciado e o tempo passado na natureza. Este framework propõe uma ponte entre as duas. A mesma arquitetura digital usada para monitorar um urso em um zoológico poderia ser adaptada para monitorar esse mesmo urso após sua soltura em uma vasta paisagem, usando coleiras de GPS e armadilhas fotográficas em vez de CCTV fixo. Isso permitiria que cientistas mantivessem um registro único e consistente do comportamento de um indivíduo, comparando como ele utilizou o espaço no cativeiro com a forma como navega na natureza. Embora o estudo atual tenha focado na precisão do monitoramento do recinto, o design foi construído para escalar para esses ambientes maiores e mais selvagens.

Os pesquisadores enfatizam que suas descobertas baseiam-se em uma simulação altamente precisa e em uma análise retrospectiva de uma rede de câmeras já instalada. O sistema ainda não foi testado em imagens ao vivo e em tempo real dos ursos neste estudo específico, embora o software de detecção subjacente já esteja rodando na rede do centro. O sucesso da simulação prova que os fundamentos matemáticos e geométricos são sólidos, estabelecendo uma margem de erro pequena o suficiente para ser confiável para a análise comportamental. Ao mover a fase de design e teste para um mundo virtual, o framework garante que a instalação física seja correta na primeira vez, poupando os animais do estresse de construções repetidas. Ele transforma o monitoramento animal de uma coleção de clipes de vídeo fragmentados e bidimensionais em uma medição tridimensional unificada da vida, onde cada passo é contabilizado e cada ponto cego é conhecido.