Casas inteligentes capaces de aprender, nuevo logro de la domótica

Un equipo de científicos de la Washington State University en Pullman (Estados Unidos) ha desarrollado un sistema que permite a las casas inteligentes “aprender” los hábitos de sus habitantes, y reaccionar en función de ellos.

Las casas inteligentes son aquéllas en las que se ha aplicado la domótica, es decir, aquéllas que integran la tecnología necesaria para que ciertas funciones del hogar estén automatizadas (subida y bajada de persianas, luminosidad, calefacción etc.).

Estos sistemas tecnológicos aportan, además, servicios de gestión energética, seguridad, bienestar y comunicación, y se integran en las casas a través de redes interiores y exteriores de comunicación, cableadas o inalámbricas.

Muy pronto, también, serán capaces de incorporar y aprovechar la información que extraigan de la “observación” de las personas que habitan en las casas.

Registro de costumbres

Según publica la revista NewScientist, los humanos somos animales de costumbres, y esas costumbres pueden ser registradas por sensores.

Así lo demuestran los sensores instalados en un apartamento de pruebas construido en la propia Universidad de Washington.

Gracias a ellos, el apartamento puede, por ejemplo, reconocer cuando una persona está realizando acciones relacionadas con la preparación del desayuno. Así, si esa persona distraídamente se deja el fuego encendido, el sistema puede “notar” la anomalía, y avisar mediante señales de audio o de vídeo para que el usuario vuelva a la cocina.

Esto es posible porque existe un sistema informático (CASAS) que analiza las señales que registran los sensores, y que ha sido desarrollado por la investigadora Diane Cook y sus colaboradores, dentro de un proyecto bautizado como Casas Smart Home Project.

En la página web del proyecto, se explica que la intención inicial era crear un entorno inteligente capaz de percibir lo que sucede en su interior, a través de los sensores, y también actuar en función de la información recogida, mediante activadores.

Técnicas de aprendizaje

Otra investigadora del Casas Smart Home Project llamada Parisa Rashidi fue la responsable de mejorar el sistema para que éste pudiera no sólo registrar sino también aprender los hábitos de los habitantes, sin necesidad de suposiciones previas o de patrones sobre reacciones “esperables”.

Casas inteligentes anteriormente diseñadas habían requerido del registro previo de actividades clave o estándar para poder reconocer después las de las personas, pero éste no ha sido el caso.

Tal y como explican los científicos en un artículo aparecido en IEEE Transactions on Systems Man & Cybernetics, el avance ha sido posible gracias a técnicas de aprendizaje que permiten al sistema descubrir patrones en las actividades diarias de los residentes, y generar respuestas que imitan dichos patrones.

Otro aspecto novedoso de CASAS es que puede adaptarse a los cambios en los patrones descubiertos, y actualizarse automáticamente para reflejar dichos cambios.

Pruebas exitosas

Las pruebas realizadas hasta ahora al apartamento de pruebas antes mencionado resultaron exitosas. En él estuvo viviendo un solo individuo, y fue necesario alrededor de un mes de prácticas para que el sistema registrara con exactitud los hábitos del residente.

Después del periodo de pruebas, CASAS pudo identificar patrones de un grado de complejidad alto, como “a las seis de la mañana se enciende la luz de la cocina, se enciende la cafetera y se enciende la tostadora”.

La comodidad dentro del hogar era otro de los objetivos del proyecto, por lo que los científicos quisieron asegurar que, dentro de la casa, los residentes no sintieran que no tenían privacidad.

Por eso, CASAS funciona sin cámaras, chips RFID (de identificación por radiofrecuencia) ni con micrófonos. En lugar de estos medios, los investigadores instalaron sensores menos invasivos, capaces de detectar movimiento, temperatura, luminosidad, humedad, agua, y el uso de algunos objetos clave (como la apertura de un bote de medicinas o el encendido de la tostadora).

Dado que con estos sensores cuesta más reconocer las actividades dentro de un entorno en comparación con una cámara de vídeo, Rashidi tuvo que desarrollar algoritmos de minería de datos (conjunto de técnicas que permiten extraer conocimiento procesable de las bases de datos) para ayudar a la interpretación de las señales recogidas por los sensores.

Algoritmos y aplicaciones

Así uno de los algoritmos utiliza, por ejemplo, una red de sensores de movimiento para cartografiar el recorrido de las personas por la casa, rastreando las trayectorias cotidianas, mientras que otro de ellos relaciona actividades con horas del día para extraer un patrón, como el de la hora de cada comida.

Esta tecnología podrá aplicarse en el futuro para ayudar a personas con minusvalía psíquica o demencia en sus necesidades cotidianas pero, también, para facilitar la vida diaria de cualquier persona sana.