L'apprendimento automatico al servizio degli scenari per la casa intelligente: Un progetto per la domotica intelligente

Questo è il riassunto di un articolo di una serie in cinque parti sulle tecnologie per l'implementazione di IoT. L'articolo completo è pubblicato su wevolver.com.

Da oltre due decenni, le applicazioni per case intelligenti e domotica stanno progredendo a ritmi molto sostenuti. Le prime case intelligenti avevano un numero limitato di dispositivi collegati e offrivano funzionalità di automazione molto basilari, che in genere si limitavano al controllo dello stato dei dispositivi intelligenti. Negli ultimi dieci anni le funzionalità della domotica hanno proliferato e si sono evolute in termini di intelligenza e complessità. Nello specifico, piattaforme per le case intelligenti come Amazon Echo, Google Home e Home Pod di Apple consentono un controllo integrato e intelligente di un maggior numero di dispositivi. Home Pod può essere configurata in molti modi a seconda delle preferenze e delle esigenze degli utenti.

Presentazione di scenari di casa intelligente

La molteplicità dei dispositivi di domotica e delle funzionalità di cui dispongono le moderne case intelligenti ha fatto nascere il concetto di "scenari". Gli scenari consentono agli utenti delle case intelligenti di controllare più dispositivi in base a uno o più script di azioni ben definite, pianificate e messe in atto in linea con le preferenze degli utenti finali. In pratica, gli scenari sono costituiti da attivatori e azioni. Gli attivatori sono eventi che danno avvio alle azioni di configurazione e di controllo. Ad esempio, possono scattare azioni di configurazione quando il valore di un sensore supera la soglia o quando viene premuto manualmente un pulsante. Le azioni modificano lo stato di uno o più dispositivi, da cui derivano in seguito cambiamenti nella casa intelligente. Gli attivatori e le azioni di cui si compone uno scenario sono memorizzati nella piattaforma per la casa intelligente come opzione di configurazione. Questa opzione può essere attivata o disattivata a piacere dagli utenti finali. Gli utenti delle case intelligenti possono quindi configurare più scenari e usarli in momenti diversi.

Complessivamente, gli scenari facilitano ai proprietari il controllo dei dispositivi intelligenti, rendendolo flessibile e automatico. Usando gli scenari, i proprietari di case risparmiano tempo prezioso. Nello specifico, non hanno più bisogno di ricordare le diverse opzioni di configurazione dei loro dispositivi, quindi possono dedicare meno tempo - o non dedicarne affatto - all'implementazione di una serie di azioni di configurazione e controllo per garantire che il loro ambiente domestico soddisfi le loro preferenze. Inoltre, gli scenari consentono ai proprietari di controllare le proprie case secondo la modalità preferita, compresi controlli remoti, pannelli tattili e app per smartphone.

Scenari di casa intelligente: enabler tecnologici e tendenze

Gli scenari di implementazione e distribuzione sono abilitati tramite tecnologie per la casa intelligente all'avanguardia come sensori intelligenti, cloud computing e Internet delle cose (IoT). In particolare:

• Sensori e attuatori intelligenti: gli scenari sfruttano semiconduttori e microsistemi intelligenti, che sono configurati in remoto sulla base di protocolli diffusi come Bluetooth, Wi-Fi, Zigbee e KNX. I semiconduttori intelligenti sono di due tipi principali: sensori che rilevano l'ambiente della casa intelligente (ad es. schemi di occupazione di una stanza) e attuatori che implementano funzionalità di controllo automatico (ad es. controllo delle luci).

• Controller IoT: la maggior parte degli scenari è configurata, memorizzata, distribuita ed eseguita da controller IoT, ovvero dispositivi gateway che controllano sensori e attuatori da un singolo punto di ingresso. I controller IoT supportano uno o più protocolli di connettività di rete che permettono loro di comunicare senza soluzione di continuità con sensori e attuatori.

• Cloud computing: le moderne piattaforme per le case intelligenti e i loro controller IoT sono integrate con le infrastrutture di cloud computing. L'integrazione del cloud consente alle applicazioni per la casa intelligente di beneficiare della scalabilità, della capacità, dell'elasticità e della qualità del servizio del cloud computing. Ad esempio, il cloud facilita la raccolta, la gestione e l'analisi di grandi volumi di dati sull'attività degli occupanti. Analogamente, il cloud computing permette alle applicazioni per la casa intelligente di accedere a risorse di storage e di calcolo in modi flessibili, scalabili ed economicamente vantaggiosi.

• Edge computing: negli ultimi anni è in atto lo spostamento dei dati della casa intelligente dal cloud alla periferia della rete, cioè vicino agli utenti finali. Molte applicazioni di analisi ed elaborazione dei dati sono implementate vicino agli utenti finali. Questo riduce la loro latenza, dato che l'elaborazione avviene nella rete locale. Inoltre, riduce la larghezza di banda della rete e incrementa la protezione dei dati, poiché la maggior parte di essi non ha bisogno di andare nel cloud. Nella maggioranza dei casi, l'edge computing viene implementato assieme al cloud computing, ovvero, le funzionalità in tempo reale vengono implementate nella periferia, mentre quelle che richiedono molti punti dati e un'elaborazione più pesante vengono implementate nel cloud.

Queste tecnologie sono i promotori principali delle applicazioni e degli scenari della casa intelligente. La loro evoluzione sta favorendo i miglioramenti nel campo dell'automazione, dell'intelligenza e della sostenibilità. Fra le tendenze principali vi sono:

• Sensori minuscoli

• Efficienza energetica

• Sistemi cyberfisici e innovazioni robotiche

• Sicurezza informatica robusta e affidabilità

• Maggiore automazione e operazioni in tempo reale

Scenari più intelligenti con apprendimento automatico e intelligenza artificiale

L'inclusione delle funzioni di apprendimento automatico negli scenari della casa intelligente è il prossimo passo evolutivo della domotica. La maggior parte degli scenari allo stato dell'arte si basano su semplici regole if-then-else su attivatori e azioni. Questa logica deterministica incrementa l'automazione, ma offre un'intelligenza molto limitata. Ad esempio, le regole semplici non tengono conto dell'evoluzione delle abitudini e dei comportamenti degli utenti. L'apprendimento automatico riduce queste limitazioni rendendo possibili scenari che apprendono i modelli comportamentali dei residenti e li usano per ottimizzare le operazioni della casa intelligente. In questa direzione, è possibile addestrare gli algoritmi di apprendimento automatico utilizzando i dati passati sulle attività degli utenti nel loro ambiente domestico. Sfruttando questi algoritmi, si possono migliorare gli scenari in termini di dinamicità e intelligenza. Nello specifico, invece di applicare sempre le stesse azioni di configurazione durante un determinato intervallo di tempo, gli scenari abilitati all'apprendimento automatico possono cambiarle dinamicamente in linea con l'evoluzione del comportamento dei residenti. Inoltre, l'uso dell'apprendimento automatico può togliere le limitazioni di scegliere tra alcuni scenari preconfigurati per i diversi momenti del giorno (ad es., mattino, pomeriggio, sera). Questo perché gli scenari basati sull'apprendimento automatico possono adattarsi in modo continuo e dinamico alle abitudini e al comportamento degli utenti, anche quando tale comportamento cambia diverse volte nel corso della stessa giornata.

Esempi importanti di scenari basati sull'apprendimento automatico incentrati sull'utente includono:

• Ambiente domestico automatizzato personalizzato – Imparare le preferenze degli utenti: in questo caso, gli scenari imparano automaticamente le preferenze degli utenti sull'ambiente circostante, cioè sul sistema di illuminazione, il funzionamento dell'aria condizionata, la configurazione del lettore musicale, i servizi di assistenza personale, le tende, le porte e altro ancora. Di conseguenza, personalizzano dinamicamente l'ambiente secondo le preferenze degli utenti.

• Monitoraggio della presenza per ridurre i costi e l'impronta di carbonio: questo tipo di scenario sfrutta l'apprendimento automatico e i sistemi di riconoscimento della visione artificiale per estrarre i modelli di presenza nelle diverse stanze dell'ambiente residenziale. Sfruttando i modelli identificati, gli scenari configurano le operazioni della casa (ad esempio, illuminazione, aria condizionata) in modo da ridurre al minimo i costi energetici e ottimizzare le emissioni di CO2.

• Raccomandazioni intelligenti di scenari "ottimali" – Apprendimento dinamico degli scenari: sfruttando i dati passati sul comportamento in casa degli utenti e il funzionamento dei diversi dispositivi, è possibile costruire scenari (cioè, configurazioni di casa intelligente) che risparmiano sui costi e ottimizzano le prestazioni ambientali. Queste configurazioni possono venire consigliate agli utenti finali. Dopo che gli utenti finali le hanno approvate, le si può memorizzate e implementare nella casa intelligente. In questo caso, l'apprendimento automatico consente la costruzione dinamica di scenari "ottimali" invece di fare affidamento su scenari preconfigurati.  

Riepilogo

L'implementazione di scenari basati sull'apprendimento automatico poggia sulla raccolta e sull'elaborazione di grandi volumi di dati sulle operazioni, gli attivatori e le azioni, comprese le attività e i comportamenti degli utenti all'interno della residenza. Questi dati possono consentire l'addestramento di diversi tipi di algoritmi di apprendimento automatico, comprese le tecniche di apprendimento automatico tradizionali (ad esempio, alberi decisionali, foreste casuali e macchine a vettori di supporto (SVM)) e algoritmi di apprendimento profondo (ad esempio, reti neurali artificiali (ANN) e reti neurali ricorrenti (RNN)). Nei casi in cui sono disponibili grandi quantità di dati passati, le tecniche di apprendimento automatico forniscono prestazioni e precisione migliori nella comprensione dei modelli comportamentali e nel conseguente adattamento delle configurazioni degli scenari.

Gli scenari oggi sono parte integrante dell'intelligenza della casa intelligente. Incrementano la domotica in modi che offrono comodità agli utenti finali e li aiutano ad applicare più velocemente le azioni di configurazione desiderate. Gli scenari allo stato dell'arte sono però abbastanza semplici e statici. In questo contesto, l'ondata emergente di scenari abilitati all'apprendimento automatico cambierà il panorama delle applicazioni per la casa intelligente permettendo lo sviluppo di scenari più dinamici e intelligenti. L'apprendimento è il prossimo passo evolutivo negli scenari della casa intelligente. Farà da catalizzatore per passare dagli scenari esistenti basati su regole (Scenari 1.0) alla prossima generazione di scenari dinamici e altamente personalizzati (Scenari 2.0). Gli artefici di case intelligenti devono quindi pianificare nelle loro soluzioni l'integrazione di funzioni di apprendimento automatico, per offrire ai consumatori nuovi livelli di comfort e di personalizzazione.

La versione completa di questo articolo è pubblicata su wevolver.com.