AO 457

OTTOBRE 2024 AUTOMAZIONE OGGI 457 | 13 Vittorio Ferrari Comitato tecnico di Automazione Oggi, Fieldbus&Networks e Soluzioni Software per l’Industria In questo contesto, evidenziamo i più signifi- cativi risultati della ricerca internazionale nel campo dei sensori accoppiati a tecniche di AI. Nel campo dei sensori ottici, sono stati propo- sti sensori di immagine Cmos finalizzati alla classificazione dotati di elettronica integrata che implementa reti neurali convoluzionali secondo una logica di elaborazione locale denominata processing in pixel. Diverse spe- rimentazioni promettenti riguardano l’imple- mentazione dei blocchi di elaborazione locale direttamente nel dominio ottico, realizzando ciò che viene definito optical in-sensor com- puting. Nel settore della visione compute- rizzata, significativi sforzi sono indirizzati ai sistemi di conversione immagini-testo e a soluzioni per la restituzione 3D partendo da immagini 2D acquisite da vista singola. In campo acustico, sono in continuo affina- mento sistemi compatti basati su microfoni Mems per il riconoscimento vocale e la clas- sificazione del soggetto che parla: si passa dalla rilevazione del suono alla percezione del linguaggio. Le applicazioni potenziali sono molteplici nell’ambito dell’interazione uomo- computer/robot. Nel campo dei sistemi wea- rable, sono stati sviluppati diversi prototipi di guanti sensorizzati integrati con algoritmi di AI e ML capaci di funzionalità notevolmente evolute, tra cui riconoscere oggetti, classifi- care gesti e movimenti, fino a interpretare il linguaggio dei segni e consentire la riprodu- zione di messaggi tradotti in audio ‘parlato’. Studi sperimentali dimostrano che un cerotto sensorizzato applicato nella zona delle lab- bra abbinato ad algoritmi di AI consente, at- traverso la rilevazione e la classificazione dei movimenti muscolari, di riconoscere parole pronunciate senza emettere suono, con la capacità aggiuntiva di identificare il soggetto e distinguerlo. È il campo affascinante dei si- stemi di silent speech recognition. Nel settore della domotica, sono in via di sviluppo pavimenti/tappeti sensorizzati, autoalimentati dall’energia del calpestio, che integrano algoritmi di ML in grado di rilevare la presenza di un soggetto nell’am- biente, riconoscerne i movimenti e le at- tività, e individuarne l’identità entro un gruppo. Le potenzialità di simili sistemi sono amplissime in molti ambiti. Le tecni- che di AI sono di aiuto anche nella fase di progettazione dei sensori e nell’ottimizza- zione delle prestazioni. Per esempio, sono allo studio sensori integrati con AI proget- tati per rilevare basse concentrazioni di idrogeno. Nel campo dei Mems, tecniche di calibrazione e compensazione basate su AI sono, per esempio, impiegate per ridurre l’influenza della temperatura nei sensori di pressione e stabilizzare il segnale in unità inerziali (IMU). Una prospettiva di grande interesse è l’u- tilizzo simultaneo di più sensori differenti combinato con algoritmi di AI che rilevano ed elaborano un insieme di dati eterogeneo, producendo un’informazione in uscita più dettagliata e accurata. È l’approccio definito multimodalità, che suggerisce il richiamo ai sistemi biologici in cui diversi sensi si com- plementano e le risposte trovano sintesi nel cervello. Naturalmente, nel percorso in atto di integrazione tra sensori e AI problemi e limitazioni non mancano. In particolare, è importante considerare che, a differenza dei tradizionali modelli analitici che sono traspa- renti e interpretabili, gli algoritmi utilizzati in AI essenzialmente funzionano come black box, hanno prestazioni che dipendono cri- ticamente da qualità e quantità dei dati di addestramento e sono difficilmente gene- ralizzabili in nuove condizioni operative. In aggiunta, ad oggi sono richieste capacità di calcolo adeguate e il consumo di potenza è significativo. Ma la ricerca progredisce con decisione. Vale la pena di tenersi aggior- nati su cosa ci riserva il futuro che, in questo campo, arriverà in fretta. prima vista sensori e intelligenza artificiale possono apparire due ambiti separati, certamente tra loro correlati, ma distinti. In fondo, semplificando un po’, il primo riguarda dispositivi, quindi essenzialmente har- dware, e il secondo riguarda algoritmi, dunque in sostanza software e sue implementazioni. In realtà, i più recenti svi- luppi della ricerca scientifica e tecnologica disegnano un quadro diverso. Si assiste a una crescente integrazione tra sensori e AI verso nuove funzionalità offerte dal connubio, con le aspettative di un incremento di prestazioni e opportunità in numerose applicazioni. Negli scenari Industria 4.0 e IoT, sensori in varie de- clinazioni tecnologiche, inclusi i Mems, e AI, in particolare con le tecniche di apprendimento automatico, sono anelli della medesima ca- tena di trasformazione virtuosa che dai dati estrae informazione di valore per l’applica- zione. Nelle reti distribuite di sensori, i sistemi di elaborazione basati su cloud soffrono della limitazione di dover trasferire e gestire cor- pose moli di dati, con il conseguente impatto negativo su velocità di risposta e consumo di potenza. Di contro, soluzioni edge, che impie- gano elaborazione di prossimità e superano il collo di bottiglia del gravoso trasferimento di dati grezzi, sono più efficaci e promettenti per l’implementazione di algoritmi di AI funzio- nalmente integrati nei sensori e capaci di pro- durre localmente informazione di alto livello. Sensi e cervello: il connubio tra sensori e intelligenza artificiale AUTOMAZIONE OGGI IL PUNTO A