El dispositivo detecta qué objetos está usando el usuario, a partir de su radiación electromagnética. Fuente: UW.
En las casas inteligentes actuales, las tecnologías pueden realizar un seguimiento de la cantidad de energía que un aparato particular, como una nevera, un televisor o un secador de pelo, está devorando. Lo que por lo general no muestran es qué persona de la casa accionó el interruptor.
Una nueva tecnología llevable, desarrollada en la Universidad de Washington (Seattle, EE.UU.), llamada MagnifiSense, puede detectar con qué dispositivos y vehículos interactúa un usuario durante el día, lo cual puede ayudar a rastrear la huella de carbono de esa persona, activar aplicaciones de domótica o incluso ayudar con el cuidado de ancianos.
En un estudio que se presentará esta semana en la Conferencia Internacional Conjunta ACM 2015 sobre Computación Ubicua y Generalizada, MagnifiSense clasificó correctamente el 94 por ciento de las interacciones de los usuarios con 12 dispositivos de uso común después de una calibración rápida, incluyendo microondas, licuadoras, mandos a distancia, cepillos de dientes eléctricos, ordenadores portátiles, reguladores de luz, e incluso coches y autobuses. Incluso sin la calibración, MagnifiSense todavía acertaba el 83 por ciento del tiempo.
El sensor, que se lleva en la muñeca, utiliza marcas de radiación electromagnética generadas por componentes eléctricos o motores de los dispositivos para determinar cuándo su portador pulsa interruptor de la luz, enciende una estufa o incluso sube a un tren.
"Es otra manera de registrar con qué estás interactuando, de modo que al final del día o del mes puedes ver la cantidad de energía que has utilizado", dice Shwetak Patel, profesor de Ciencias e Ingeniería de la Computación e Ingeniería Eléctrica, en la información de la universidad.
Un día
En una prueba de 24 horas, durante las que un usuario hizo de todo, desde leer en un ordenador portátil hasta cocinar la cena y hacer un viaje en autobús, el sistema identificó correctamente 25 de las 29 interacciones con diversos dispositivos y vehículos.
MagnifiSense también podría usarse para otras aplicaciones de domótica, como el reconocimiento de las preferencias del usuario al interactuar con un aparato o dispositivo. Al detectar si un adulto o un niño está encendiendo un televisor o una tableta, por ejemplo, un sistema puede mostrar automáticamente sus programas favoritos o personalizar el dispositivo con selecciones apropiadas.
En residencias de ancianos u otros lugares donde se presta asistencia, el sensor portátil podría ayudar a mantener un seguimiento de la eficiencia con que las personas mayores realizan tareas cotidianas, como cocinar o asearse. También podría detectar cuándo se ha dejado encendida una estufa durante un largo período de tiempo y ayudar a alertar a alguien de ese peligro.
"Lo bueno con MagnifiSense es que no requiere un instrumento para cada uno de los aparatos de la casa, que sería caro y engorroso", dice el autor principal Edward Wang, estudiante de doctorado en ingeniería eléctrica de la UW. "También funciona para dispositivos que otras tecnologías no detectan, como los dispositivos que funcionan con baterías."
El equipo combina tres sensores simples, comercializados, que utilizan inductores, o bobinas de alambre enrollado alrededor de imanes. Resultaron ser los más precisos sin requerir tanta energía que fuera poco práctico llevarlos puestos.
Una nueva tecnología llevable, desarrollada en la Universidad de Washington (Seattle, EE.UU.), llamada MagnifiSense, puede detectar con qué dispositivos y vehículos interactúa un usuario durante el día, lo cual puede ayudar a rastrear la huella de carbono de esa persona, activar aplicaciones de domótica o incluso ayudar con el cuidado de ancianos.
En un estudio que se presentará esta semana en la Conferencia Internacional Conjunta ACM 2015 sobre Computación Ubicua y Generalizada, MagnifiSense clasificó correctamente el 94 por ciento de las interacciones de los usuarios con 12 dispositivos de uso común después de una calibración rápida, incluyendo microondas, licuadoras, mandos a distancia, cepillos de dientes eléctricos, ordenadores portátiles, reguladores de luz, e incluso coches y autobuses. Incluso sin la calibración, MagnifiSense todavía acertaba el 83 por ciento del tiempo.
El sensor, que se lleva en la muñeca, utiliza marcas de radiación electromagnética generadas por componentes eléctricos o motores de los dispositivos para determinar cuándo su portador pulsa interruptor de la luz, enciende una estufa o incluso sube a un tren.
"Es otra manera de registrar con qué estás interactuando, de modo que al final del día o del mes puedes ver la cantidad de energía que has utilizado", dice Shwetak Patel, profesor de Ciencias e Ingeniería de la Computación e Ingeniería Eléctrica, en la información de la universidad.
Un día
En una prueba de 24 horas, durante las que un usuario hizo de todo, desde leer en un ordenador portátil hasta cocinar la cena y hacer un viaje en autobús, el sistema identificó correctamente 25 de las 29 interacciones con diversos dispositivos y vehículos.
MagnifiSense también podría usarse para otras aplicaciones de domótica, como el reconocimiento de las preferencias del usuario al interactuar con un aparato o dispositivo. Al detectar si un adulto o un niño está encendiendo un televisor o una tableta, por ejemplo, un sistema puede mostrar automáticamente sus programas favoritos o personalizar el dispositivo con selecciones apropiadas.
En residencias de ancianos u otros lugares donde se presta asistencia, el sensor portátil podría ayudar a mantener un seguimiento de la eficiencia con que las personas mayores realizan tareas cotidianas, como cocinar o asearse. También podría detectar cuándo se ha dejado encendida una estufa durante un largo período de tiempo y ayudar a alertar a alguien de ese peligro.
"Lo bueno con MagnifiSense es que no requiere un instrumento para cada uno de los aparatos de la casa, que sería caro y engorroso", dice el autor principal Edward Wang, estudiante de doctorado en ingeniería eléctrica de la UW. "También funciona para dispositivos que otras tecnologías no detectan, como los dispositivos que funcionan con baterías."
El equipo combina tres sensores simples, comercializados, que utilizan inductores, o bobinas de alambre enrollado alrededor de imanes. Resultaron ser los más precisos sin requerir tanta energía que fuera poco práctico llevarlos puestos.
Frecuencias
Los sensores también capturan un amplio rango de frecuencias que permite al sistema diferenciar entre la radiación electromagnética que emana de cada combinación única de componentes electrónicos, tales como motores, rectificadores y moduladores incrustados en dispositivos de uso cotidiano.
"Cuando una licuadora se enciende, por ejemplo, los moduladores cambian el perfil del dispositivo y crean algo similar a un patrón de cuerdas vocales", dice Wang. "Una licuadora canta de manera muy diferente a un secador de pelo a pesar de que a nuestros oídos suenen similares."
El equipo también desarrolló innovadores algoritmos de procesamiento de señal y de aprendizaje automático para ayudar al sistema a encajar esos patrones correctamente con un determinado tipo de dispositivo.
Una de las ventajas de que sea llevable es que cualquier persona preocupada por cuestiones de privacidad puede controlar cuando lo usa, o simplemente quitárselo, dicen los investigadores.
Los próximos pasos incluyen hacer pruebas con MagnifiSense en una variedad más amplia de dispositivos, para conseguir que distinga entre múltiples dispositivos que operen a poca distancia.
Los investigadores también planean trabajar en la miniaturización de su dispositivo de prueba de concepto en algo que pueda ser integrado en un reloj o cinta de muñeca. El equipo cree que con una ligera mejora en la velocidad de actualización de los sensores magnéticos de los teléfonos inteligentes y smartwatches actuales, MagnifiSense podría habilitarse pronto en dispositivos nuevos con una simple actualización de software.
"Pensamos que puede ser integrado en cualquier producto para muñeca", dice Patel.
Los sensores también capturan un amplio rango de frecuencias que permite al sistema diferenciar entre la radiación electromagnética que emana de cada combinación única de componentes electrónicos, tales como motores, rectificadores y moduladores incrustados en dispositivos de uso cotidiano.
"Cuando una licuadora se enciende, por ejemplo, los moduladores cambian el perfil del dispositivo y crean algo similar a un patrón de cuerdas vocales", dice Wang. "Una licuadora canta de manera muy diferente a un secador de pelo a pesar de que a nuestros oídos suenen similares."
El equipo también desarrolló innovadores algoritmos de procesamiento de señal y de aprendizaje automático para ayudar al sistema a encajar esos patrones correctamente con un determinado tipo de dispositivo.
Una de las ventajas de que sea llevable es que cualquier persona preocupada por cuestiones de privacidad puede controlar cuando lo usa, o simplemente quitárselo, dicen los investigadores.
Los próximos pasos incluyen hacer pruebas con MagnifiSense en una variedad más amplia de dispositivos, para conseguir que distinga entre múltiples dispositivos que operen a poca distancia.
Los investigadores también planean trabajar en la miniaturización de su dispositivo de prueba de concepto en algo que pueda ser integrado en un reloj o cinta de muñeca. El equipo cree que con una ligera mejora en la velocidad de actualización de los sensores magnéticos de los teléfonos inteligentes y smartwatches actuales, MagnifiSense podría habilitarse pronto en dispositivos nuevos con una simple actualización de software.
"Pensamos que puede ser integrado en cualquier producto para muñeca", dice Patel.
Referencia bibliográfica:
Edward J. Wang, Tien-Jui Lee, Alex Mariakakis, Mayank Goel, Sidhant Gupta, Shwetak N. Patel: MagnifiSense: Inferring Device Interaction using Wrist-Worn Passive Magneto-Inductive Sensors. 2015 ACM International Joint Conference on Pervasive and Ubiquitous Computing.
Edward J. Wang, Tien-Jui Lee, Alex Mariakakis, Mayank Goel, Sidhant Gupta, Shwetak N. Patel: MagnifiSense: Inferring Device Interaction using Wrist-Worn Passive Magneto-Inductive Sensors. 2015 ACM International Joint Conference on Pervasive and Ubiquitous Computing.