Meta-imager programmabili intelligenti: un approccio tempestivo al rilevamento adattivo al rumore specifico per attività
I sistemi di rilevamento stanno diventando prevalenti in molte aree della nostra vita, come l’assistenza sanitaria assistita dall’ambiente, i veicoli autonomi e l’interazione uomo-computer senza contatto. Tuttavia, questi sistemi spesso mancano di intelligenza: tendono a raccogliere tutte le informazioni disponibili, anche se non rilevanti. Ciò può portare non solo a violazioni della privacy, ma anche a perdite di tempo, energia e risorse di calcolo durante l’elaborazione dei dati.
Per affrontare questo problema, i ricercatori del CNRS francese hanno escogitato un concetto per il rilevamento elettromagnetico intelligente, che utilizza tecniche di apprendimento automatico per generare schemi di illuminazione appresi in modo da preselezionare i dettagli rilevanti durante il processo di misurazione. Una metasuperficie programmabile è configurata per generare i modelli appresi, eseguendo un rilevamento ad alta precisione (ad esempio, riconoscimento della postura) con un numero notevolmente ridotto di misurazioni (vedi Riferimenti ).
Ma i processi di misurazione in applicazioni realistiche sono inevitabilmente soggetti a una varietà di disturbi. Il rumore accompagna fondamentalmente qualsiasi misurazione. Il rapporto segnale/rumore può essere particolarmente basso in ambienti interni dove i segnali elettromagnetici irradiati devono essere mantenuti deboli. Pertanto, Chenqi Qian e Philipp del Hougne hanno ora approfondito la ricerca precedente e presentato un meta-imager computazionale programmabile intelligente che non solo adatta il suo modello di illuminazione a uno specifico compito di estrazione di informazioni come il riconoscimento di oggetti, ma si adatta anche a diversi tipi e livelli di rumore. Hanno pubblicato un articolo di ricerca su invito sui loro risultati in Intelligent Computing il 2 dicembre 2022.
“Ipotizziamo che i modelli di illuminazione coerenti ottimali che devono essere utilizzati da un meta-imager programmabile intelligente per estrarre in modo efficiente informazioni specifiche dell’attività da una scena dipenderanno profondamente dal tipo e dal livello di rumore”, i ricercatori hanno motivato il loro lavoro, sottolineando che il rumore può avere un profondo impatto sulle configurazioni ottimali del meta-imager perché, oltre ai vincoli di latenza che limitano il numero di misurazioni consentite, il rumore limita anche la quantità di informazioni che possono essere estratte dalla scena.
“In questo documento, esploriamo sistematicamente come la combinazione di vincoli di latenza e rumore influisca sui meta-imager programmabili multi-scatto intelligenti”, hanno affermato i ricercatori. Per valutare la loro ipotesi, i ricercatori hanno preso in considerazione un prototipo di problema di riconoscimento degli oggetti, per il quale hanno proposto un sistema meta-imager programmabile computazionale a microonde. Tali sistemi potrebbero essere implementati nella sorveglianza interna, nell’osservazione della terra, ecc.
Nel loro sistema considerato, un’antenna di metasuperficie dinamica a microonde (DMA) ha irradiato una sequenza di fronti d’onda coerenti sulla scena utilizzando un singolo trasmettitore e un secondo DMA cattura coerentemente le onde riflesse utilizzando un singolo rilevatore. È stata formulata una pipeline del flusso di informazioni end-to-end differenziabile, che comprendeva il processo di misurazione fisica programmabile, compreso il rumore, nonché i successivi livelli di elaborazione digitale.
Gli elementi essenziali di questa pipeline sono gli stessi per tutti i problemi di estrazione di informazioni basati su onde, inclusi imaging, rilevamento, localizzazione e riconoscimento di oggetti. “L’unica differenza significativa risiede nella funzione di costo specifica dell’attività che deve essere ottimizzata per una buona prestazione”, hanno spiegato. Lo stesso approccio che gli autori hanno applicato al riconoscimento di oggetti può quindi essere utilizzato anche in problemi di stima dei parametri come la localizzazione. “Questa pipeline ci consente di progettare congiuntamente i pesi fisici programmabili (configurazioni DMA che determinano l’illuminazione coerente della scena) e i pesi digitali addestrabili”.
È questa ottimizzazione congiunta – ottimizzazione congiunta end-to-end specifica per l’attività dei parametri fisici addestrabili e dei parametri digitali addestrabili – che conferisce al processo di misurazione la consapevolezza del compito, in modo tale da poter discriminare tra attività rilevante e irrilevante per l’attività informazioni via etere nel dominio analogico.
I ricercatori hanno testato le prestazioni di questo meta-imager programmabile che genera una sequenza di illuminazioni di scena specifiche per attività e rumore e lo hanno trovato vantaggioso rispetto al rilevamento compresso convenzionale con configurazioni casuali quando le informazioni che possono essere estratte dalla scena sono limitate dalla latenza vincoli e/o rumore. Sono stati dimostrati entrambi i miglioramenti delle prestazioni per un tipo di rumore additivo indipendente dal segnale e dipendente dal segnale. Le caratteristiche “macroscopiche” dei modelli di illuminazione appresi, vale a dire le loro reciproche sovrapposizioni e intensità, sono risultate intuitivamente comprensibili nonostante la natura “scatola nera” dell’approccio.
Secondo i ricercatori, la transizione verso un sistema che rileva in modo autoadattativo il tipo e il livello di rumore e aggiorna di conseguenza la sequenza utilizzata delle configurazioni DMA senza ulteriori input umani è semplice. “Ci aspettiamo fedelmente che i nostri risultati possano essere trasposti a problemi di estrazione di informazioni basati su altri fenomeni ondulatori (ad esempio, ottica, acustica, elasticità e meccanica quantistica) e/o con altri tipi di hardware di misurazione programmabile in situ “, hanno concluso. .
