تقویت بینایی انسان و ماشین

کرونا و بینایی آتش‌نشانان

• استارت‌آپ Longan Vision سامانه واقعیت افزوده Fusion Vision را برای کمک به آتش‌نشانان توسعه داده است. چند ماه پیش از شیوع کووید 19 این شرکت نمونه‌ای اولیه از این سامانه واقعیت افزوده  را آماده و به چندین مرکز آتش‌نشانی ارایه کرد (شکل1- بالا).
• با شیوع بیماری کووید 19 در کانادا، این شرکت تلاش کرد تا از فناوری مشابهی برای پیشگیری گسترش بیماری استفاده کند. این موضوع سبب شد تا پروژه‌ای با تمرکز بر این هدف شکل بگیرد. شرکت برای سنجش دمای بدن، بر اساس سامانهFusion Vision یک راهکار تصویربرداری حرارتی به‌نام Gatekeeper عرضه کرد (شکل۱- پایین). این سامانه که قابل نصب روی دیوار یا سه‌پایه است قادر است دمای بدن پنج نفر را به‌طور همزمان اندازه بگیرد. Enzo Jia که استارت‌آپ Longan Vision  را در سال 2018 تاسیس کرده است می‌گوید: «در برخی از حوادث آتش‌سوزی، آتش‌نشانان زندگی خود را در حالی از دست دادند که در حال نجات دیگران بودند و ساختمان فروریخته است. آن‌ها نه تنها باید با آتش بجنگند بلکه باید با کمبود زمان هم مبارزه کنند. از سوی دیگر آن‌ها باید با مواردی نظیر عدم توانایی برقراری ارتباط با سایرین و دید کم هم دست و پنجه نرم کنند.» او با بیان اینکه آتش‌نشانان هنوز از فناوری‌های قدیمی استفاده می‌کنند امید دارد که شرایطی فراهم شود تا آتش‌نشانان از فناوری‌های هوشمند بهره‌مند شوند. هدف او و شرکتش این است که دید بهتری در اختیار این افراد قرار دهد، امکان برقراری ارتباط مؤثرتری را فراهم کند و داده‌های مورد نیاز را به آن‌ها برساند. عینکی که این شرکت ارایه کرده ترکیبی از واقعیت افزوده و تصویربرداری حرارتی را عرضه می‌کند. یک حسگر حرارتی، محل آتش را شناسایی می‌کند. کلاه از طریق دو دوربین نصب شده روی آن، ویدیوهای زنده برای مرکز فرماندهی می‌فرستد تا دید بهتری از موقعیت به‌دست آمده و تصمیم بهتری گرفته شود.

شکل 1: الف- عینک آتش‌نشانی شرکت Longan Vision این امکان را در اختیار آتش‌نشا‌نان قرار می‌دهد که از میان دود و آتش بتوانند حادثه‌دیدگان را بیابند. ‌

ب- Gatekeeper از دو بخش تشکیل شده است. بخش سنجش حرارت که در سمت چپ  است و بخش‌ تصویربرداری که در سمت راست دیده می‌شوند. تصویر افراد به همراه دمای بدنشان بر روی نمایشگر (تصویر سمت راست) نمایش داده می‌شود. 

• با کمک چنین ابزاری می‌توان در یک محیط دودآلود مثلاً در یک ساختمان آتش‌گرفته، بهتر عمل کرد. علاوه بر این، کلاه به آتش‌نشان می‌گوید که  در کدام مکان‌ها افراد گرفتار شده‌اند و چگونه می‌توانند مسیر خود را از میان موانع پیدا کنند. تصاویر ثبت شده توسط دوربین‌ها بعد از عملیات نیز قابل مشاهده خواهند بود و می‌توان از آن‌ها برای آموزش استفاده کرد یا آن‌ها را در اختیار شرکت‌های بیمه قرار داد. از سوی دیگر این شرکت قصد دارد داده‌های جمع‌آوری شده را برای توسعه مدل‌های پیشگو استفاده کند. این عینک‌های واقعیت افزوده قابل نصب روی انواع کلاه‌های آتش‌نشانی هستند و کشورهای مختلف می‌توانند از آن استفاده کنند. Gatekeeper علاوه بر ویژگی‌های عینک آتش‌نشانی مذکور، قابلیت تشخیص چهره هم دارد. داده‌های جمع‌آوری شده برای پردازش تصویر به کامپیوتری فرستاده شده  و روی نمایشگر، تصویر افراد به همراه دمای بدن‌‌شان نمایش داده می‌شود (شکل۱- پایین). این شرکت مدعی است که این سامانه نسبت به دیگر سامانه‌های موجود در بازار ارزان‌تر است.

آموزش زبان بدن به خودران‌ها

شکل2 الف- خودران‌ها باید قادر به شناسایی زبان بدن و اشاره‌های دست باشند.
ب- شرکت Cruise برای تهیه داده‌های آموزشی مربوط به اشارات و زبان بدن، از روش موشن‌کپچر استفاده می‌کند.

• تصور کنید خودروها در بزرگراهی در حرکت هستند. کارگری در حالی‌که با یک دست علامت توقف را گرفته است، با تکان دادن دست دیگر به خودروها اطلاع می‌دهد که در مسیر، مانعی وجود دارد و آن‌ها را به مسیر دیگری هدایت می‌کند. رانندگان در مواجهه با چنین موقعیتی، فوراً پیام را دریافت کرده و مسیر خود را عوض می‌کنند و بدون توقف، به آرامی از کنار مانع می‌گذرند. وقتی خودران در چنین موقعیتی قرار می‌گیرد، هرچند  تابلوی ایست کارگر را تشخیص داده و می‌ایستد، اما درکی از حرکات دست وی نخواهد داشت. زیرا این، مساله‌ای پیچیده برای خودران‌های امروزی است. رانندگان و خودران‌ها ممکن است بارها با چنین موقعیتی و حتا موقعیت‌های پیچیده‌تر از این  روبه رو شوند. موقعیت‌هایی که در آن باید درکی از زبان بدن داشت و این حرکات بدن را بدون اینکه باعث مختل شدن عبور و مرور و یا به خطر افتادن جان دیگران شود  به درستی تفسیر کرد (شکل2- بالا)
• سال‌ها است محققان در تلاش‌اند تا برخی از اشارات ساده دست را به خودران‌ها بیاموزند به ویژه اشاراتی که معمولاً دوچرخه‌سواران به کار می‌برند. توسعه خودران‌ها به‌طور گسترده‌ای متکی بر یادگیری ماشین است. شرکت Cruise برای آموزش دادن این اشارات به خودران‌ها، قصد دارد از روش موشن‌کپچر استفاده کند (شکل‌2- پایین). موشن‌کپچر روشی برای ثبت حرکات بدن است و به‌طور گسترده‌ای در فیلمسازی و ساخت بازی مورد استفاده قرار می‌گیرد. این شرکت داده‌های مورد نیاز برای آموزش دادن الگوریتم‌هایش را با کمک بیش از200 خودران، از سطح جاده‌ها جمع‌آوری می‌کند. این خودران‌ها طی هفت سال گذشته، صدها کیلومتر را پشت سر گذاشته‌اند. پیش از شیوع بیماری کووید 19 این خودران‌ها که کاملاً برقی هستند، به‌طور مداوم در جاده‌ها در حرکت بودند و فقط برای شارژ شدن و تعمیر و نگهداری‌های دوره‌ای توقف می‌کردند. اگر چه بنابر ادعای  Cruise، خودران‌های این شرکت به دلیل راندن در محیط‌های ترافیکی پیچیده، بسیار سریع می‌آموزند، اما کارشناسان شرکت متوجه شده‌اند که مدل‌های یادگیری ماشین، هنوز داده‌های آموزشی کافی در اختیار ندارند، زیرا آن‌ها تجربه کافی از مواجهه با اشاره‌های مهمی نظیر تکان دادن دست‌های یک عابر یا دوچرخه‌سوار نداشته‌اند. لازم است که خودران‌ها بتوانند چنین موقعیت‌هایی را از زوایا و فواصل مختلف و در شرایط نوری متفاوت شناسایی کنند. محققان  Cruise  قصد دارند با استفاده از موشن‌کپچر، این اشاره‌ها را ثبت و داده‌های آموزشی لازم را تهیه کنند.  Cruise برای عملی کردن این ایده، بازی‌سازان را به خدمت گرفته تا با کمک آن‌ها اشاره‌ها را ثبت کرد و خودران‌ها را آموزش دهند. برای این‌کار ابتدا فهرستی از انواع اشاره‌هایی که ممکن است فرد برای ارتباط با دیگران بکار ببرد تهیه شد. به‌طور مثال، این‌که وقتی می‌خواهد تاکسی بگیرد یا وقتی حین راه رفتن با تلفن حرف  می‌زند چه اشاره‌هایی به‌کار می‌برد. در نهایت فهرستی اولیه از پنج پیام اصلی که با استفاده از اشاره‌ها بیان می‌شوند به‌دست آمد. این پنج علامت عبارتند از : ایست، حرکت، چرخش به چپ، چرخش به راست و « نه». واضح است اشاره‌هایی که مردم استفاده می‌کنند متنوع‌تر از این پنج حالت است. این پروژه هنوز در ابتدای راه است، اما امید زیادی وجود دارد که حاصل این پژوهش، خودران‌هایی باشد که تحلیل بهتری از محیط اطراف خود دارند