Por: José Daniel Figuera
La Inteligencia Artificial de las Cosas (AIoT), que combina las ventajas de la Inteligencia Artificial (IA) y el Internet de las Cosas (IoT), está revolucionando la seguridad y eficiencia en los hogares inteligentes. En un estudio pionero, investigadores de la Universidad Nacional de Incheon, Corea del Sur, han desarrollado un nuevo marco de trabajo llamado MSF-Net, que utiliza señales WiFi para reconocer actividades humanas con una precisión sin precedentes. Este avance promete mejorar la experiencia del usuario y garantizar la seguridad en entornos domésticos inteligentes.
AIoT y WiFi: Una combinación poderosa
El estudio, liderado por el profesor Gwanggil Jeon, presenta un marco de trabajo innovador que combina técnicas avanzadas de procesamiento de señales y una arquitectura de aprendizaje profundo. A diferencia de los sistemas IoT tradicionales, que dependen de la transferencia de datos a servidores externos, la AIoT permite el procesamiento local y en tiempo real, lo que resulta en decisiones más rápidas y eficientes. "Nuestro objetivo era superar los desafíos de la interferencia ambiental en el reconocimiento de actividades basado en WiFi", explicó el profesor Jeon.
La tecnología WiFi es ideal para este tipo de aplicaciones debido a su omnipresencia, bajo costo y capacidad para garantizar la privacidad. Sin embargo, hasta ahora, su rendimiento en el reconocimiento de actividades humanas había sido inestable debido a interferencias ambientales. El nuevo marco MSF-Net aborda este problema mediante un enfoque multimodal que fusiona diferentes técnicas de procesamiento de señales.
MSF-Net: Precisión y eficiencia
El marco MSF-Net (Multiple Spectrogram Fusion Network) utiliza tres componentes principales: una estructura de doble flujo que combina la transformada de Fourier de tiempo corto y la transformada wavelet discreta, un transformador para extraer características de alto nivel, y una rama de fusión basada en atención para mejorar la integración de datos. Esta combinación permite un reconocimiento preciso tanto de actividades gruesas como finas, como cocinar o hacer ejercicio, con una precisión superior al 90% en algunos casos.
Los investigadores validaron el rendimiento de MSF-Net utilizando varios conjuntos de datos, como SignFi, Widar3.0, UT-HAR y NTU-HAR. Los resultados mostraron puntuaciones notables en la métrica de Cohen's Kappa, alcanzando un 91.82% en el conjunto de datos SignFi. Estos valores superan significativamente a las técnicas actuales, lo que demuestra la eficacia del nuevo enfoque.
Además, el marco MSF-Net es capaz de identificar actividades complejas, como movimientos específicos durante el ejercicio o tareas domésticas, lo que lo convierte en una herramienta valiosa para aplicaciones en hogares inteligentes. "La fusión multimodal de frecuencias ha mejorado significativamente la precisión y eficiencia en comparación con las tecnologías existentes", destacó el profesor Jeon.
Aplicaciones prácticas y futuro
Los resultados del estudio, publicados en la revista IEEE Internet of Things Journal, muestran que MSF-Net supera a las técnicas actuales en reconocimiento de actividades basado en WiFi. "Esta tecnología tiene aplicaciones en hogares inteligentes, medicina de rehabilitación y cuidado de ancianos, donde puede prevenir caídas y monitorear la salud de manera no invasiva", destacó el profesor Jeon.
En el ámbito de los hogares inteligentes, MSF-Net puede ajustar automáticamente la iluminación, la temperatura o la música según las actividades detectadas, mejorando la comodidad y la eficiencia energética. Por ejemplo, si el sistema detecta que una persona está cocinando, puede encender las luces de la cocina y reproducir música relajante sin necesidad de interacción manual.
En el campo de la salud, esta tecnología podría revolucionar el monitoreo remoto de pacientes y ancianos. Al analizar los movimientos de los usuarios, MSF-Net puede detectar caídas o cambios en los patrones de actividad, lo que permite una intervención rápida en caso de emergencias. "Esto contribuirá a mejorar la calidad de vida y a establecer sistemas de monitoreo de salud no invasivos", concluyó el profesor Jeon.
En resumen, la convergencia de AIoT y WiFi propuesta en este trabajo no solo mejora la seguridad y eficiencia en los hogares inteligentes, sino que también abre nuevas posibilidades en campos como la medicina y el cuidado de personas mayores. Este avance representa un paso significativo hacia un futuro más conectado y seguro.
Fuente: Junxin Chen, Xu Xu, Tingting Wang, Gwanggil Jeon, David Camacho. An AIoT Framework With Multimodal Frequency Fusion for WiFi-Based Coarse and Fine Activity Recognition. IEEE Internet of Things Journal, 2024; 11 (24): 39020 DOI: 10.1109/JIOT.2024.3400773