Scènes de maison optimisées par l'apprentissage automatique : plan pour la domotique intelligente

Vous trouverez ici le résumé d'un article d'une série en cinq parties sur les technologies qui favorisent l'IoT. L'article peut être consulté dans son intégralité sur wevolver.com.

Depuis plus de vingt ans, les applications domotiques et de maisons intelligentes progressent rapidement. Les premières maisons intelligentes incluaient un nombre limité de dispositifs connectés et offraient des fonctionnalités d'automatisation très basiques, qui se limitaient généralement à contrôler l'état des dispositifs intelligents. Au cours des dix dernières années, les fonctionnalités domotiques ont proliféré et évolué en termes d'intelligence et de sophistication. En particulier, les plateformes de maison intelligente comme Amazon Echo, Google Home et Home Pod d'Apple permettent un contrôle intégré et intelligent d'un plus grand nombre de dispositifs. Ces derniers peuvent être configurés de nombreuses manières pour s'adapter aux préférences et aux besoins des utilisateurs finaux.

Présentation des scènes de maison intelligente

La multitude de dispositifs et de fonctionnalités domotiques dans les maisons intelligentes modernes a donné naissance au concept de « scènes ». Les scènes permettent aux utilisateurs de maisons intelligentes de contrôler plusieurs dispositifs en se basant sur un ou plusieurs scripts d'actions bien définies. Ces scripts sont programmés et exécutés conformément aux préférences des utilisateurs finaux. Dans la pratique, les scènes sont constituées de déclencheurs et d'actions. Les déclencheurs sont des événements qui initient des actions de configuration et de contrôle. Par exemple, les actions de configuration peuvent être déclenchées lorsque la valeur d'un capteur dépasse un seuil ou en appuyant manuellement sur un bouton. Les actions modifient l'état d'un ou de plusieurs dispositifs, ce qui modifie ensuite l'état de la maison intelligente. Les déclencheurs et les actions qui composent une scène sont stockés dans la plateforme de maison intelligente en tant qu'option de configuration. Cette option peut être facilement activée ou désactivée selon la volonté des utilisateurs finaux. Les utilisateurs de maisons intelligentes peuvent donc configurer plusieurs scènes et les utiliser à différents moments.

Globalement, les scènes permettent aux propriétaires de contrôler leurs dispositifs intelligents de manière flexible et automatique. En utilisant des scènes, les propriétaires gagnent un temps précieux. En particulier, ils n'ont plus besoin de se souvenir des différentes options de configuration de leurs dispositifs, ce qui leur permet de passer moins de temps à implémenter une série d'actions de configuration et de contrôle pour s'assurer que leur environnement domestique correspond à leurs préférences. De plus, les scènes permettent aux propriétaires de contrôler leur maison en utilisant leur modalité préférée, notamment des télécommandes, des écrans tactiles et des applications pour smartphones.

Scènes de maison intelligente : activateurs technologiques et tendances

Les scènes d'implémentation et de déploiement sont rendues possibles par des technologies de maison intelligente de pointe comme les capteurs intelligents, le cloud computing et l'Internet des objets (IoT). En particulier :

• Capteurs et actionneurs intelligents : les scènes utilisent des microsystèmes et des semi-conducteurs intelligents, qui sont configurés à distance sur la base de protocoles populaires comme les protocoles Bluetooth, Wi-Fi, Zigbee et KNX. Les semi-conducteurs intelligents sont principalement de deux types : les capteurs qui perçoivent l'environnement de la maison intelligente (par exemple, les schémas d'occupation d'une pièce) et les actionneurs qui implémentent des fonctionnalités de contrôle automatique (par exemple, le contrôle de la lumière).

• Contrôleurs IoT : la plupart des scènes sont configurées, stockées, déployées et exécutées par des contrôleurs IoT, c'est-à-dire des dispositifs de passerelle qui contrôlent les capteurs et les actionneurs à partir d'un point d'entrée unique. Les contrôleurs IoT prennent en charge un ou plusieurs protocoles réseau qui facilitent leurs communications fluides avec les capteurs et les actionneurs.

• Cloud computing : les plateformes de maisons intelligentes modernes et leurs contrôleurs IoT sont intégrés à des infrastructures de cloud computing. L'intégration cloud permet aux applications de maison intelligente de bénéficier de l'évolutivité, de la capacité, de la flexibilité et de la qualité de service du cloud computing. Par exemple, le cloud facilite la collecte, la gestion et l'analyse de grands volumes de données concernant l'activité des habitants. De même, le cloud computing permet aux applications de maison intelligente d'accéder aux ressources de stockage et de calcul de manière flexible, évolutive et rentable.

• Edge computing : ces dernières années, les données des maisons intelligentes ont été transférées du cloud vers la périphérie réseau, c'est-à-dire à proximité des utilisateurs finaux. De nombreuses applications de traitement et d'analyse de données sont déployées à proximité des utilisateurs finaux. Cela réduit la latence des applications lorsque le traitement a lieu sur le réseau local. De plus, cela permet d'économiser la bande passante réseau et de renforcer la protection des données, car la plupart des données n'ont pas besoin d'être transférées vers le cloud. Dans la plupart des cas, l'edge computing est déployé en conjonction avec le cloud computing, c'est-à-dire que les fonctionnalités en temps réel sont déployées à la périphérie, tandis que les fonctionnalités qui nécessitent de nombreux points de données et un traitement plus lourd sont implémentées dans le cloud.

Ces technologies constituent les principaux activateurs technologiques des applications et des scènes de maison intelligente. Leur évolution entraîne des améliorations en matière d'automatisation, d'intelligence et de durabilité. Voici quelques-unes des principales tendances :

• Capteurs miniatures

• Rendement énergétique

• Systèmes cyber-physiques et innovations robotiques

• Cybersécurité et fiabilité robustes

• Automatisation accrue et opérations en temps réel

Des scènes plus intelligentes grâce à l'apprentissage automatique et à l'intelligence artificielle

L'intégration de fonctions d'apprentissage automatique (Machine Learning ou ML) dans les scènes de maison intelligente est la prochaine étape évolutive de la domotique. La plupart des scènes dernier cri sont basées sur des règles simples (si, alors, sinon) impliquant des déclencheurs et des actions. Cette logique déterministe améliore l'automatisation, mais fournit une intelligence très limitée. Par exemple, des règles simples ne tiennent pas compte de l'évolution des habitudes et des comportements des utilisateurs. L'apprentissage automatique atténue ces limites en activant des scènes qui apprennent les schémas comportementaux des résidents et les utilisent pour optimiser les opérations liées à la maison intelligente. En ce sens, les algorithmes d'apprentissage automatique peuvent être entraînés en utilisant des données antérieures sur les activités des utilisateurs dans leur environnement domestique. En tirant parti de ces algorithmes, les scènes peuvent être améliorées en termes de dynamisme et d'intelligence. En particulier, plutôt que de toujours appliquer les mêmes actions de configuration pendant un intervalle de temps donné, les scènes compatibles avec l'apprentissage automatique peuvent modifier les actions de manière dynamique en fonction de l'évolution du comportement des résidents. De plus, l'utilisation de l'apprentissage automatique peut éviter d'avoir à choisir entre plusieurs scènes préconfigurées pour différents moments de la journée (par exemple, matin, après-midi, soir). En effet, les scènes basées sur l'apprentissage automatique peuvent s'adapter de façon continue et dynamique aux habitudes et au comportement des utilisateurs, même lorsqu'ils changent plusieurs fois au cours de la journée.

Voici quelques exemples pertinents de scènes basées sur l'apprentissage automatique et centrées sur l'utilisateur :

• Ambiance personnalisée automatisée à la maison – Apprentissage des préférences des utilisateurs : dans ce cas, les scènes apprennent automatiquement les préférences des utilisateurs concernant l'environnement ambiant, c'est-à-dire le système d'éclairage, le fonctionnement de la climatisation, la configuration du lecteur de musique, les services d'assistance personnelle, les stores, les portes, et plus encore. Ainsi, elles personnalisent l'environnement ambiant de manière dynamique selon les préférences des utilisateurs.

• Surveillance de l'occupation pour la réduction des coûts et de l'empreinte carbone : ce type de scène utilise les systèmes d'apprentissage automatique et de reconnaissance visuelle par ordinateur pour extraire des schémas d'occupation dans les différentes pièces de l'environnement résidentiel. En utilisant les schémas identifiés, les scènes configurent les opérations liées à la maison (par exemple, l'éclairage, la climatisation) de façon à minimiser les coûts énergétiques et à optimiser les émissions de CO2.

• Recommandations intelligentes de scènes « optimales » – Apprentissage dynamique des scènes : en utilisant les données antérieures sur le comportement des utilisateurs dans la maison et le fonctionnement des différents dispositifs, il est possible de construire des scènes (c'est-à-dire des configurations de maison intelligente) qui réduisent les coûts et optimisent les performances environnementales. Ces configurations peuvent être recommandées aux utilisateurs finaux. Suite à l'approbation des utilisateurs finaux, elles peuvent être stockées et déployées dans la maison intelligente. Dans ce cas, l'apprentissage automatique permet la construction dynamique de scènes « optimales » plutôt que de s'appuyer sur des scènes préconfigurées.  

Résumé

L'implémentation de scènes basées sur l'apprentissage automatique repose sur la collecte et le traitement de grands volumes de données concernant les opérations, les déclencheurs et les actions, notamment les activités et les comportements des utilisateurs dans la résidence. Ces données peuvent permettre d'entraîner différents types d'algorithmes d'apprentissage automatique, y compris les techniques ML traditionnelles (par exemple, arbres de décision, forêts aléatoires et SVM [machines à vecteurs de support]), et les algorithmes d'apprentissage profond (par exemple, réseaux de neurones artificiels [ANN] et réseaux de neurones récurrents [RNN]). Dans les cas où de très grandes quantités de données antérieures sont disponibles, les techniques d'apprentissage automatique offrent des performances et une précision supérieures dans la compréhension des schémas comportementaux et l'adaptation des configurations de scènes en conséquence.

Les scènes font aujourd'hui partie intégrante de l'intelligence des maisons intelligentes. Elles dynamisent la domotique de façon à améliorer le côté pratique pour les utilisateurs finaux et les aider à appliquer plus rapidement les actions de configuration souhaitées. Néanmoins, les scènes sont assez simples et statiques. Dans ce contexte, la vague émergente de scènes compatibles avec l'apprentissage automatique promet de bouleverser le paysage des applications de maison intelligente en permettant le développement de scènes plus dynamiques et intelligentes. L'apprentissage automatique est la prochaine étape évolutive des scènes de maison intelligente. Il agira comme un catalyseur pour effectuer la transition des scènes existantes basées sur des règles (scènes 1.0) vers la nouvelle génération de scènes dynamiques et hautement personnalisées (scènes 2.0). Les déployeurs de maisons intelligentes doivent donc envisager d'intégrer des fonctions d'apprentissage automatique dans leurs solutions afin d'offrir aux consommateurs de nouveaux niveaux de confort et de personnalisation.

L'article peut être consulté dans son intégralité sur wevolver.com.