Сучасний смартгодинник уже вміє рахувати кроки, оцінювати пульс, визначати тренування й нагадувати, що людина надто довго сидить. Наступний етап розвитку носимих технологій значно амбітніший: система має не просто вимірювати рух, а розуміти, що саме робить людина в повсякденному житті — готує їжу, пилососить, користується туалетом, ходить кімнатою чи виконує іншу звичну дію.
Таке розпізнавання особливо цікаве для допомоги літнім людям, які хочуть довше жити самостійно. Зміна звичайного режиму іноді може бути першою ознакою погіршення самопочуття: людина рідше готує їжу, менше рухається, довше лежить або поступово втрачає здатність виконувати складні побутові задачі.
Дослідники перевірили 14 повсякденних дій
У новому дослідженні Scientific Reports науковці створили лабораторне домашнє середовище, де літні учасники виконували 14 різних побутових дій. На їхньому тілі розташовували інерційні датчики, що вимірюють прискорення, обертання та орієнтацію.
Ці сигнали передавали моделі глибокого навчання на основі LSTM-мереж, які добре працюють із часовими послідовностями. Алгоритм мав навчитися розрізняти характерні патерни руху для кожної активності.
Дослідники перевірили десятки конфігурацій із різною кількістю сенсорів та різним розташуванням на тілі.
Один датчик на руці виявився недостатнім
Цікавий результат стосується моделі, найближчої до звичайного смартгодинника. Один сенсор на передпліччі показав точність лише близько 66,2%. Для простих рухів цього може бути достатньо, але схожі побутові дії часто мають майже однакову картину руху руки.
Наприклад, рухи під час приготування їжі можуть частково нагадувати прибирання або роботу з предметами. Без інформації про положення корпусу та переміщення всього тіла алгоритму важко зрозуміти контекст.
Два правильно розташовані сенсори дали майже 90% точності
Найцікавішим компромісом стала конфігурація лише з двох сенсорів — на тазі та правій руці. Вона розпізнавала 12 із 14 активностей із точністю приблизно 89,3%.
Модель із п’ятьма датчиками змогла розпізнавати всі 14 дій із точністю близько 88,2%. Тобто більша кількість сенсорів не гарантувала пропорційного поліпшення.
Це важливий висновок для реальних пристроїв. Якщо система потребуватиме семи датчиків на тілі, більшість людей просто не захоче користуватися нею щодня. Два невеликі сенсори виглядають значно практичніше.
Для чого це може бути потрібно
Найочевидніше застосування — підтримка незалежного життя літніх людей. Система могла б не стежити за кожним рухом у реальному часі, а визначати довготривалі зміни: наприклад, що людина раптом стала значно менше ходити або перестала регулярно готувати.
Це може бути приводом для родини, соціального працівника або лікаря звернути увагу на ситуацію. Такий підхід не ставить діагноз, але допомагає помітити тренд раніше, ніж проблема стане очевидною.
Носимі сенсори мають перевагу над камерами
Для домашнього моніторингу можна використовувати відеокамери, але вони створюють серйозні питання приватності. Крім того, камеру легко закрити предметом, їй заважає темрява або неправильний кут огляду.
Інерційний сенсор не бачить обличчя, кімнату чи особисті речі. Він реєструє лише рух. Це потенційно робить систему менш інвазивною, хоча питання зберігання даних і безпеки все одно залишаються.
Найскладніше — не розпізнати рух, а правильно його інтерпретувати
Навіть точний алгоритм може помилятися в сенсі події. Якщо людина менше рухається, це може означати погіршення здоров’я, але також відпочинок після подорожі, зміну погоди або просто інший розпорядок дня. Тому система не повинна автоматично робити медичні висновки з одного сигналу.
Реалістичніший сценарій — накопичення довгострокової персональної норми. Алгоритм спочатку вивчає звичайний режим конкретної людини, а потім помічає стійкі відхилення. Саме персоналізація може бути важливішою за абсолютну точність класифікації кожної окремої дії.
Приватність стане частиною дизайну
Щоб такі системи були прийнятними, користувач має розуміти, які дані збираються, де вони зберігаються і хто має до них доступ. Обробка безпосередньо на пристрої та передача лише узагальнених показників може зменшити ризик витоку детальної інформації про домашнє життя.
Ще одна проблема — різноманітність людей. Один і той самий рух може виглядати по-різному залежно від віку, стану суглобів, використання тростини, швидкості ходи або звичних побутових прийомів. Тому модель, навчена на невеликій групі, не можна без перевірки переносити на мільйони користувачів. Майбутнім системам знадобляться ширші й різноманітніші набори даних та можливість адаптуватися до конкретного власника.
До масового використання ще далеко
Дослідження проводилося в контрольованому домашньому лабораторному середовищі, а не в реальних квартирах протягом місяців. У повсякденному житті рухи значно різноманітніші, люди виконують кілька дій одночасно й носять сенсори не завжди однаково.
Тому наступний крок — довготривалі випробування у реальних умовах. Але сама ідея вже виглядає переконливо: майбутній «розумний годинник» може стати не лише лічильником активності, а системою, яка помічає зміни у звичайному житті раніше, ніж вони стають очевидними для самої людини.
