Kablosuz internet sinyalleri, insan hareketlerini algılayan bir veri kaynağına dönüşebiliyor. Araştırmalar, yapay zekânın bu sinyallerdeki değişimleri inceleyerek kamera görüntüsüne ihtiyaç duymadan insanların bulunduğu yeri ve vücut duruşunu tahmin edebildiğini gösteriyor.
Carnegie Mellon Üniversitesi araştırmacıları Jiaqi Geng, Dong Huang ve Fernando De la Torre’nin geliştirdiği “DensePose From WiFi” yöntemi, kablosuz sinyallerden insan duruşunun çıkarılabileceğini ortaya koydu. Çalışmanın ön baskısı, 31 Aralık 2022’de arXiv’de paylaşıldı.
Teknolojinin temelinde, WiFi sinyallerinin bir odada ilerlerken çevredeki nesnelerle ve insan vücuduyla etkileşime girmesi bulunuyor. Vericiden çıkan radyo dalgaları; mobilyalar, duvarlar ve insanlar nedeniyle farklı yollar izleyerek alıcıya ulaşıyor. Bir kişinin yer değiştirmesi, kolunu kaldırması veya oturması, alınan sinyalin özelliklerini değiştiriyor. Derin öğrenme modelleri, bu değişimler ile insan bedeninin konumu arasında ilişki kurmayı öğrenebiliyor. Böylece günlük yaşamda internet bağlantısını sağlayan sinyaller, uygun bir ölçüm düzeninde hareket ve duruş hakkında da bilgi taşıyor.
Bu süreçte kullanılan veri, telefon ekranında görülen bağlantı gücü göstergesinden çok daha ayrıntılı. “Kanal durum bilgisi” olarak adlandırılan CSI verisi, sinyalin verici ile alıcı arasında nasıl değiştiğini yansıtıyor. Sinyallerin zaman içindeki değişimleri, insan hareketleriyle bağlantılı örüntülerin belirlenmesine yardımcı oluyor. Yapay zekâ da bu örüntülerden hareketle vücut duruşuna ilişkin tahminler üretiyor.
DensePose From WiFi modelinin eğitiminde, eş zamanlı kamera görüntüleri ve WiFi ölçümleri kullanıldı. Görüntülerden çıkarılan vücut bilgileri, sinyallerin yorumlanmasına referans oluşturdu. Eğitilen model ise tahmin aşamasında yalnızca WiFi verisini kullanarak birden fazla kişinin duruşunu temsil eden çıktılar üretebildi.
DensePose, insan bedenini yalnızca birkaç eklem noktasından oluşan bir iskelet olarak göstermenin ötesine geçiyor. Görüntüdeki vücut bölgelerini, insan bedeninin yüzeyini temsil eden bir modelle eşleştiriyor. Böylece gövde, kollar ve bacaklar hakkında daha ayrıntılı bir duruş temsili oluşturulabiliyor. Ekranda görülen renkli insan şekilleri, bu yüzey eşleştirmelerini anlatıyor. Bununla birlikte, WiFi çalışmasında eksiksiz üç boyutlu vücut şeklinin yeniden oluşturulması gelecekteki araştırma hedefleri arasında belirtiliyor; çıktı bir röntgen görüntüsü niteliği taşımıyor.
Deneysel düzenek, üç verici ve üç alıcı anten kullanıyor. Dolayısıyla sonuçların elde edilmesi, uygun donanım, sinyal ölçümü ve eğitilmiş bir model gerektiriyor. Çalışma, herhangi bir ev yönlendiricisinin tek başına çevresindeki insanları görüntüleyebildiğini veya duvarların arkasını her koşulda ayrıntılı biçimde gösterebildiğini kanıtlamıyor.
Teknolojinin günlük kullanıma taşınmasında en önemli meselelerden biri, farklı ortamlarda güvenilir sonuç üretmesi. Odanın düzeni, antenlerin konumu ve insanların hareketleri değiştiğinde modelin karşılaştığı sinyal örüntüleri de değişebiliyor. Bu alanı geliştirmeyi amaçlayan 2025 tarihli DT-Pose araştırması, ortamlar arasındaki farklılıkların ve hatalı eklem tahminlerinin önemli sorunlar olduğunu vurguluyor. Araştırmacılar, modellerin yeni ortamlara daha iyi uyum sağlaması ve anatomik açıdan daha tutarlı duruşlar üretmesi üzerinde çalışıyor.
Kamerasız algılama yaklaşımı, özellikle evde yaşayan yaşlıların hareketliliğinin izlenmesi gibi uygulamalar açısından potansiyel taşıyor. DensePose From WiFi araştırmacıları da evde yaşamın desteklenmesini olası kullanım alanları arasında değerlendiriyor. Bu potansiyelden hareketle, yeterli güvenilirliğe ulaşan sistemlerin gelecekte olağan dışı hareketlerin fark edilmesine veya mekânların kullanımına göre çalışan otomasyonların geliştirilmesine katkı sağlayabileceği düşünülebilir. Bunlar, araştırmanın mevcut sonuçlarından ayrı değerlendirilmesi gereken uygulama olasılıkları.
Teknoloji, mahremiyet konusunda da yeni sorular doğuruyor. Kamera görüntüsü kaydetmeden hareket bilgisi elde edilebilmesi bir avantaj sağlayabilir. Ancak kişinin bulunduğu yer ve yaptığı hareketler de özel hayatına ilişkin bilgi taşıyabilir. Bu nedenle olası uygulamalarda hangi verilerin toplandığı, bu verilere kimlerin erişebildiği ve kullanıcıların süreçten nasıl haberdar edildiği önem kazanıyor. Kamerasız algılamanın yaygınlaşması, teknik başarının yanında insanların kendi yaşam alanlarındaki veriler üzerinde söz sahibi olmasını sağlayan tasarımları da gerektiriyor.
Yorumlar (0)