Senso24
Efelychu Diogelwch: Defnyddio Data Synthetig i Hyfforddi AI ar gyfer Canfod Cwympiadau
Mae Skystrm Ltd, dan arweiniad Justus Vermark, sy'n brofiadol yn y diwydiant gofal, yn trawsnewid y ffordd rydym yn ymateb i gwympiadau mewn amgylcheddau gofal i'r henoed. Gyda dealltwriaeth ddofn o gyfyngiadau staffio yn y sector, roedd Justus eisoes wedi datblygu AI addawol sy'n gallu rhagweld digwyddiadau cwympiadau. Ond roedd rhwystr i gynnydd: diffyg data byd go iawn.
Mae caffael setiau data cwympiadau ar raddfa fawr o ansawdd uchel—yn enwedig gan unigolion agored i niwed—yn amhosibl yn ymarferol ac yn foesegol. Ac eto mae'r data hwn yn hanfodol i hyfforddi systemau AI a all wneud penderfyniadau hyderus mewn eiliadau critigol. I oresgyn y rhwystr hwn, trodd Skystrm at CEMET gyda chwestiwn: a allai data cwympiadau synthetig, a gynhyrchir yn rhithwir, helpu i hyfforddi a gwella cywirdeb eu system ganfod?
Dull Arbrofol CEMET
Gan gydnabod uchelgais ac effaith bosibl y prosiect, cymerodd CEMET ran mewn sbrint ymchwil ffocws wyth wythnos i brofi hyfywedd cynhyrchu data cwympiadau rhithwir gan ddefnyddio injan gêm Unity.
Dros bedwar sbrint strwythuredig, dyluniodd y tîm system brawf-o-gysyniad a allai efelychu cwympiadau dynol trwy gyfuniad o gyfuno animeiddio a ffiseg doliau rag. Fe wnaethant gipio data cymalau a symudiadau manwl, gan allforio cyfesurynnau pwynt allweddol i ffeiliau CSV strwythuredig i'w defnyddio mewn dysgu peirianyddol.
Cafodd pob cam o'r datblygiad—o rigio animeiddiadau realistig, i awtomeiddio cynhyrchu a labelu data, i hyfforddi a phrofi dosbarthwyr yn JupyterLab—ei ddogfennu'n ofalus i sicrhau ailadroddadwyedd a llwybr clir ar gyfer graddio yn y dyfodol.
Dysgu Peirianyddol gyda Symudiad Rhithwir
Defnyddiwyd y setiau data synthetig i hyfforddi dosbarthwr deuaidd a model canfod anomaleddau gan ddefnyddio TensorFlow. Dangosodd y canlyniadau y gall AI, mewn gwirionedd, ddechrau dysgu'r gwahaniaeth rhwng ymddygiad "normal" a chwympiadau gan ddefnyddio data hollol rithwir. Nid yn unig y dilysodd hyn y model cysyniadol y tu ôl i dechnoleg Senso24 ond darparodd hefyd fframwaith profadwy ar gyfer dilysu yn y byd go iawn yn y dyfodol.
Archwiliodd dadansoddiad pellach sut y gellid pontio data synthetig a data'r byd go iawn (fel yr hyn a gipiwyd gan MediaPipe) trwy dechnegau dysgu trosglwyddo a normaleiddio—gan osod map ffordd ar gyfer datblygiad a buddsoddiad yn y dyfodol.
Llwybr Clir Ymlaen
Er ei fod yn dal i fod mewn cyfnod cysyniadol cynnar, mae'r prosiect hwn wedi ei gwneud hi'n glir y gall data cwympiadau synthetig ddarparu ffordd foesegol, gyflym a graddadwy o hyfforddi modelau canfod cwympiadau. Mae'n agor cyfleoedd newydd ar gyfer monitro gofal amser real a gallai wella diogelwch yn sylweddol mewn lleoliadau gofal preswyl.
“Mae gweithio gyda CEMET wedi bod yn brofiad anhygoel i Skystrm Limited, yn enwedig ar ein prosiect Senso24... Mae eu cefnogaeth wedi gwella ein gallu i ddenu buddsoddiad pellach yn sylweddol ac wedi ein rhoi mewn sefyllfa dda i ehangu i farchnadoedd newydd.”
Effaith a'r Camau Nesaf
Mae'r cydweithrediad rhwng CEMET a Skystrm Ltd wedi gosod y sylfaen ar gyfer dull newydd pwerus o ganfod cwympiadau mewn lleoliadau gofal. Drwy ddangos y gellir defnyddio data synthetig a gynhyrchir o fewn Unity i hyfforddi dosbarthwyr AI dibynadwy, dilysodd y prosiect y cysyniad craidd y tu ôl i arloesedd Senso24. Cafodd y broses ddatblygu gyfan ei dogfennu'n ofalus, gan sicrhau y gall fersiynau yn y dyfodol adeiladu ar y sylfaen hon gydag eglurder a chysondeb.
Yn hollbwysig, nid yn unig y mae'r prosiect wedi cyflwyno prawf gweithio o gysyniad ond hefyd wedi egluro map ffordd ar gyfer integreiddio data byd go iawn trwy dechnegau fel dysgu trosglwyddo a normaleiddio data. Gyda'r sylfaen hon yn ei lle, mae Senso24 bellach mewn sefyllfa gref i geisio buddsoddiad pellach, graddio datblygiad, a dechrau profi byd go iawn. Mae'r canlyniadau hefyd yn tynnu sylw at lwybr cymhellol ymlaen ar gyfer defnyddio efelychiadau moesegol, rhithwir i gefnogi unigolion agored i niwed - heb beryglu diogelwch, preifatrwydd, nac urddas.
Mae CEMET yn falch o barhau i gefnogi Skystrm trwy ddatblygiad y gwasanaeth newydd hwn. I gael gwybod mwy am eu gwaith diweddaraf, ewch i'w gwefan
Mae'r prosiect hwn wedi'i ariannu ar y cyd gan Gronfa Ffyniant a Rennir Llywodraeth y DU a rhaglen Partneriaethau Academaidd-Diwydiant Rhanbarth Prifddinas Caerdydd (CCR), rhan o'r Rhaglen Datblygu a Thwf Clwstwr.