ИИ поддерживает исследовательский проект интеллектуального освещения

Немецкий исследовательский проект OpenLicht успешно разработал систему интеллектуального освещения, основанную на программном обеспечении с открытым исходным кодом и библиотеках машинного обучения, а также на недорогом оборудовании, которое может автоматически регулировать освещение в комнате в зависимости от того, что делает пользователь.

Современные решения интеллектуального освещения основаны на умных лампах, таких как Philips Hue и Osram Lightify. Хотя они предлагают некоторые интеллектуальные функции, они обычно требуют ручного управления со стороны пользователя через приложение для смартфона. Некоторые из них можно запрограммировать (например, на включение и выключение в определенное время), но правила все равно придется настраивать вручную, поэтому базовые отношения между пользователем и системой освещения не меняются, делая ее более умной.

Современные системы интеллектуального освещения по-прежнему должны настраиваться пользователем вручную. В рамках проекта OpenLicht
разработан прототип более интеллектуальной системы освещения (Изображение:Infineon Technologies / OpenLicht)

Проект OpenLicht, запущенный в сентябре 2016 года, призван изменить это, добавив искусственный интеллект и методы машинного обучения к интеллектуальному освещению. «Проект преследовал две основные цели:с одной стороны, дальнейшее развитие исследований и сотрудничества в области систем интеллектуального освещения на основе ИИ, а с другой стороны, сделать современные технологии доступными для всех, включая стартапы и производителей. сообщества », - сказал координатор проекта Хуан Мена-Каррильо, менеджер по исследованиям и разработкам в области интеллектуального освещения в Infineon Technologies.

Недавно завершенный проект финансировался Министерством образования и исследований Германии (BMBF) с членами команды Infineon, Bernitz Electronics, Технологическим институтом Деггендорфа и Техническим университетом Дрездена. Infineon и TU Dresden разработали приложение и алгоритмы машинного обучения. Деггендорф разработал графический интерфейс / приложение для проекта, а Берниц отвечал за шлюз и связь между датчиками и исполнительными механизмами системы.

Умный прототип

Основным результатом проекта стал прототип системы интеллектуального освещения на основе ИИ, включая адаптивную программную систему с графическим интерфейсом (приложением) и центральный аппаратный шлюз на базе Raspberry Pi, который обрабатывает данные и выполняет все задачи управления. Система-прототип автоматически регулирует освещение в комнате в зависимости от положения и активности пользователя; это могут быть разные настройки, например, для просмотра телевизора и чтения. Система изучает предпочтения пользователя и соответствующим образом реагирует. В некоторой степени он также может реагировать на ситуации, с которыми он еще не сталкивался и о которых не узнал.

Аппаратный шлюз с открытым исходным кодом основан на Raspberry Pi с платой расширения. Существует также миниатюрная версия, основанная на архитектуре микроконтроллера, но она требует подключения к шлюзу OpenLicht (Изображение:Infineon Technologies / OpenLicht)

Центральным компонентом прототипа является промежуточное ПО для умного дома с открытым исходным кодом, основанное на openHAB, программной платформе домашней автоматизации с открытым исходным кодом, не зависящей от поставщиков и технологий. Исследователи проекта разработали привязки openHAB для различных датчиков, включая датчики давления и радарные датчики, которые размещаются в комнате для обнаружения присутствия и движения. Датчики отправляют свои данные в соответствующие привязки, которые соединяют реальные датчики с системой openHAB и доставляют данные «элементам» - виртуальным представлениям датчиков и исполнительных механизмов. Когда в элементах происходят изменения, эти изменения отправляются в платформу машинного обучения с открытым исходным кодом Encog.

Нейронная сеть, обученная на данных датчиков, обрабатывает изменения и интуитивно чувствует текущую активность пользователя. Его прогноз комбинируется с данными об условиях естественного освещения, и информация подается во вторую нейронную сеть, которая самообучается и адаптируется к предпочтениям пользователей во время использования. На основе поступающих в нее данных вторая нейронная сеть определяет подходящую конфигурацию ламп в комнате. Затем эта конфигурация преобразуется в команды лампы, которые отправляются через элементы исполнительного механизма и привязки к реальным лампам.

Команда создала демонстрационную комнату для оценки прототипа системы и сбора данных датчиков, необходимых для обучения нейронной сети (Изображение:Infineon Technologies / OpenLicht)

«Пользователь всегда может настроить цвет и интенсивность света ламп с помощью пользовательского интерфейса, переключателя, регулятора яркости или дистанционного управления, когда он или она не удовлетворены», - сказал Мена-Каррильо. «Система распознает изменение и отображает новую конфигурацию на естественный свет и активность, которые распознаются и измеряются в момент адаптации. Это сопоставление затем используется для переобучения нейронной сети путем объединения ее [нового сопоставления] со старыми данными. Однако в процессе переподготовки новые данные приобретают больший вес, чем старые ».

Проблема с конфиденциальностью

Ключевые проблемы проекта включали связанные вопросы безопасности и конфиденциальности. Аппаратный модуль доверенной платформы (TPM) от Infineon был включен для защиты от хакерских атак путем шифрования и защиты целостности системы. TPM - это микросхемы безопасности, основанные на международном стандарте защищенных процессоров, которые используются для хранения важных данных, таких как пароли и ключи шифрования, а также для выполнения алгоритмов шифрования.

«Проведя интервью со многими конечными пользователями, мы определили, что вопрос конфиденциальности является одним из основных препятствий для принятия систем умного дома», - сказал Мена-Каррильо. Поэтому было решено, что система OpenLicht будет использовать ИИ на периферии; то есть пользовательские данные обрабатываются в системе умного дома, а не в облаке. Этот метод сохраняет конфиденциальность пользователя, поскольку конфиденциальные данные будут обрабатываться только локально. Как правило, это также обеспечивает более быстрое время отклика и снижает или устраняет необходимость в подключении к Интернету.

Открытый исходный код

Одна из ключевых целей проекта OpenLicht заключалась в том, чтобы сделать технологию доступной для промышленности и более широкого сообщества. Все программное обеспечение основано на технологиях с открытым исходным кодом:результаты реализованы в виде расширений для openHAB, а библиотека машинного обучения с открытым исходным кодом Encog была адаптирована для использования в проекте. Использование недорогого оборудования также было сознательным решением сделать его доступным. Программное обеспечение, которое будет получено в результате проекта, в ближайшее время станет открытым.

«Каждый может использовать результаты нашего программного обеспечения, и самое замечательное в том, что наша система может быть расширена за счет новых функций и возможностей», - сказал Мена-Каррильо. «Эти результаты теперь позволяют пользователям добавлять такие новые функции и возможности ИИ в свои системы openHAB».

«Очень скоро» все программное обеспечение OpenLicht будет доступно на GitHub, включая программное обеспечение для машинного обучения, базу знаний и привязки openHAB, добавил он. Хотя проект достиг обеих своих основных целей, Мена-Каррильо признал, что команда также осознала, что предстоит еще много работы, прежде чем такая система будет надежно работать в любых обстоятельствах. Учитывая природу проекта с открытым исходным кодом, разработчики OpenLicht надеются, что он будет развиваться, как только отрасль и сообщество разработчиков получат к нему доступ.

>> Эта статья была первоначально опубликована на наш дочерний сайт EE Times Europe.