IT201900001753A1 - Sistema di intelligenza artificiale per smart home - Google Patents
Sistema di intelligenza artificiale per smart home Download PDFInfo
- Publication number
- IT201900001753A1 IT201900001753A1 IT102019000001753A IT201900001753A IT201900001753A1 IT 201900001753 A1 IT201900001753 A1 IT 201900001753A1 IT 102019000001753 A IT102019000001753 A IT 102019000001753A IT 201900001753 A IT201900001753 A IT 201900001753A IT 201900001753 A1 IT201900001753 A1 IT 201900001753A1
- Authority
- IT
- Italy
- Prior art keywords
- data
- service
- rules
- node
- nodes
- Prior art date
Links
- 238000013473 artificial intelligence Methods 0.000 title claims description 13
- 238000012545 processing Methods 0.000 claims description 18
- 230000002688 persistence Effects 0.000 claims description 16
- 230000006399 behavior Effects 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 5
- 230000033001 locomotion Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000013475 authorization Methods 0.000 claims description 2
- 238000012937 correction Methods 0.000 claims description 2
- 238000013480 data collection Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims description 2
- 230000004927 fusion Effects 0.000 claims description 2
- 230000000644 propagated effect Effects 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 claims 1
- 238000007726 management method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/2803—Home automation networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/90—Services for handling of emergency or hazardous situations, e.g. earthquake and tsunami warning systems [ETWS]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Automation & Control Theory (AREA)
- Telephonic Communication Services (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Feedback Control In General (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Description
Descrizione di Brevetto per Invenzione Industriale avente per titolo: “SISTEMA DI INTELLIGENZA ARTIFICIALE PER SMART HOME”.
DESCRIZIONE
La presente invenzione si riferisce ad un sistema di intelligenza artificiale per smart home.
E’ nota e sempre più sentita l’esigenza di realizzare sistemi di intelligenza artificiale per le cosiddette “smart home” (case intelligenti) che risultino efficienti, completi e, al contempo, di facile utilizzo.
Tuttavia, i sistemi attualmente noti presentano alcuni inconvenienti.
In particolare, i sistemi in commercio inviano in genere ad un calcolatore remoto le informazioni raccolte all’interno dell’abitazione, quali immagini, video e altri dati provenienti da sensori.
Di conseguenza, tali informazioni transitano attraverso la rete pubblica comportando un rischio concreto per la privacy dell’utente.
Tale problematica risulta particolarmente rilevante nel caso di elaborazione di informazioni multimediali, in particolare video provenienti da una o più telecamere installate all’interno della abitazione.
Inoltre, i sistemi di tipo noto in genere sono in grado di gestire un’unica tipologia di dato (ad esempio livello di rumore, presenza, movimento, temperatura).
Ciò non consente di valutare l’interdipendenza esistente tra differenti tipologie di dati, interdipendenza che potenzialmente può consentire di ottenere informazioni semanticamente più rilevanti.
Per ovviare a tale inconveniente, esistono piattaforme software che permettono di utilizzare più sorgenti di dati. Tuttavia, tali piattaforme note richiedono una complessa programmazione e gestione lato utente.
Inoltre, i sistemi di tipo noto richiedono in genere l’esecuzione di interventi murari per l’installazione di più dispositivi all’interno dell’abitazione. Tali interventi risultano a volte difficoltosi (si pensi, ad esempio, ad interventi all’interno di edifici storici) od estremamente costosi.
Inoltre, i sistemi di tipo noto sono in genere basati su un’architettura a singolo gateway. Pertanto, in caso di guasto del gateway non può essere mantenuto il corretto funzionamento dell’intero sistema.
In genere, i sistemi di tipo noto richiedono necessariamente la connessione ad Internet, alla luce del fatto che tutte le funzionalità proposte possono essere eseguite solamente in presenza di informazioni o algoritmi situati su di una piattaforma cloud. Tuttavia, nel contesto domestico l’utente non si aspetta di non poter utilizzare determinate funzionalità se non è presente la connessione ad Internet, soprattutto quando si tratta di funzionalità che non vengono percepite come strettamente correlate alla connessione ad Internet (ad esempio, il controllo del riscaldamento o l’automatizzazione delle tapparelle).
Il compito principale della presente invenzione è quello di escogitare un sistema di intelligenza artificiale per smart home che consenta una gestione ed un’analisi efficaci di differenti tipologie di dati raccolti.
Altro scopo del presente trovato è quello di escogitare un sistema di intelligenza artificiale per smart home che consenta di tutelare la privacy degli utilizzatori.
Altro scopo del presente trovato è quello di escogitare un sistema di intelligenza artificiale per smart home che risulti facilmente installabile all’interno di un’abitazione.
Altro scopo del presente trovato è quello di escogitare un sistema di intelligenza artificiale per smart home che risulti tollerante ai guasti.
Altro scopo del presente trovato è quello di escogitare un sistema di intelligenza artificiale per smart home che sia in grado di funzionare correttamente ed in modo efficace anche in assenza di una connessione Internet.
Gli scopi sopra esposti sono raggiunti dal presente sistema di intelligenza artificiale per smart home secondo la rivendicazione 1.
Altre caratteristiche e vantaggi della presente invenzione risulteranno maggiormente evidenti dalla descrizione di una forma di esecuzione preferita, ma non esclusiva, di un sistema di intelligenza artificiale per smart home, illustrata a titolo indicativo, ma non limitativo, nelle unite tavole di disegni in cui:
la figura 1 è uno schema generale del sistema secondo il trovato installato all’interno di un’abitazione;
la figura 2 è uno schema generale di un singolo nodo del sistema secondo il trovato;
la figura 3 è uno schema funzionale che illustra il funzionamento di un ragionatore automatico del sistema secondo il trovato.
Con particolare riferimento a tali figure, si è indicato globalmente con 1 un sistema di intelligenza artificiale per smart home.
In particolare, il sistema 1 comprende una pluralità di nodi 2 di rilevamento ed elaborazione dati, dislocabili all’interno di differenti zone di un’abitazione ed operativamente collegati tra loro mediante una rete wireless 3.
Vantaggiosamente, ciascuno dei nodi 2 comprende:
- almeno un dispositivo sensore 4 per la raccolta di dati all’interno di una rispettiva zona dell’abitazione;
- almeno un’unità di memorizzazione 5 dei dati raccolti;
- almeno un’unità di elaborazione 6 ad elevata capacità computazionale configurata per l’elaborazione dei dati raccolti;
- almeno un’unità di comunicazione wireless 7 configurata per la comunicazione con almeno uno degli altri nodi 2.
Pertanto, ciascun singolo nodo 2 è in grado di raccogliere differenti tipologie di dati mediante uno o più dispositivi sensori 4 ed è inoltre in grado di elaborare tali dati raccolti mediante una unità di elaborazione 6 dedicata.
Inoltre, il sistema 1 comprende mezzi di distribuzione e sincronizzazione 8 configurati per distribuire e sincronizzare i dati raccolti da ciascuno dei nodi 2 su tutti i nodi.
In particolare, tali mezzi di distribuzione e sincronizzazione 8 sono implementati mediante un middleware per la comunicazione tra i differenti nodi 2.
In pratica, quindi, i dati relativi a ciascuna relativa area o ambiente dell’abitazione sono raccolti sulle unità di memorizzazione 5 di ciascun singolo nodo 2, sono elaborati in locale mediante le unità di elaborazione 6 di ciascun singolo nodo 2 e sono distribuite ad ogni nodo mediante i mezzi di distribuzione e sincronizzazione 8.
Pertanto, vantaggiosamente ciascuno dei nodi 2 possiede tutta la conoscenza disponibile all’interno dell’intero sistema 1, cioè tutti i dati raccolti da tutti i nodi 2.
Il middleware 8 di distribuzione dei dati è sviluppato in modo da adattarsi alle criticità della rete wireless 3.
In particolare, il sistema 1 implementa politiche di QoS (Quality of Service) e compressione dati per permettere di ottimizzare l’utilizzo della banda a disposizione.
Ogni applicazione in funzione nel sistema 1 si sottoscrive per la trasmissione e ricezione su un sottoinsieme dei messaggi di tipologie predefinite (topic) definiti nel sistema stesso e caratterizzati da rispettivi identificativi univoci (UUID).
Ogni applicazione possiede una cache locale che mantiene l’ultima copia dei dati per i quali è sottoscritta (concordemente con le QoS di ogni messaggio, sotto indicate).
Vantaggiosamente, i mezzi di distribuzione e sincronizzazione 8 comprendono almeno un servizio di persistenza in esecuzione su ogni nodo 2 del sistema 1.
In particolare, il servizio di persistenza è configurato per l’esecuzione almeno uno dei seguenti task:
- all’avvio legge dall’unità di memorizzazione i dati raccolti (stato della casa) e lo pubblica popolando/aggiornando una cache di livello applicativo;
- ascolta eventuali messaggi trasmessi sulla rete wireless e, concordemente ad una policy di persistenza associata al tipo di messaggio specifico, ne esegue la persistenza sull’unità di memorizzazione 5;
- effettua la trasmissione di almeno un messaggio di correzione qualora venga rilevata la trasmissione di un messaggio vecchio (dovuto ad esempio all’avvio di un altro servizio di durability persistenza su un altro nodo 2).
In particolare, per ogni tipologia di messaggio (topic) è definito un insieme di politiche di QoS (Quality of Service) in merito ad almeno le seguenti policy:
- reliability: indica se è un dato che deve essere obbligatoriamente consegnato a tutti i destinatari o se è ammessa la perdita del messaggio;
- persistenza: specifica il tipo di durabilità del dato rispetto a spegnimenti e riavvii del sistema e dei servizi;
- domain: specifica se il dato viene propagato anche in cloud;
- access: specifica la policy di autorizzazione per il dato.
Ad esempio, con riferimento alla policy di reliability, su un dato periodico può aver senso aspettare il successivo periodo di trasmissione e non sovraccaricare la rete con una ritrasmissione.
Secondo una preferita forma di attuazione, le policy di persistenza comprendono le seguenti policy:
- volatile: il dato non deve essere memorizzato (interessa esclusivamente la ricezione e l’invio delle istanze ma non alla loro memorizzazione, e.g. segnali); tale dato è disponibile solo nel ciclo di gestione dell’evento di ricezione;
- cache_only: dato memorizzato solo nella memoria RAM (volatile) delle applicazioni e dei servizi di persistenza;
- disk_only: dato memorizzato solo su disco (non volatile), il dato non è mantenuto in RAM;
- cache_and_disk: il dato è memorizzato sia su RAM (volatile) che su disco (non volatile);
- volatile_app_cache: dato memorizzato solo sulla RAM delle applicazioni e non dei servizi di persistenza; le applicazioni hanno il dato nella loro cache locale (possono fare delle letture); i servizi di persistenza non memorizzano il dato;
- gateway_loopback: il messaggio non viene trasmesso in rete ma è utilizzato per lo scambio di messaggi internamente al singolo processo applicativo, per rendere il processo debolmente accoppiato a livello architetturale (loosely coupled).
Secondo una possibile forma di attuazione, le policy di domain comprendono le seguenti policy:
- local_and_cloud: il messaggio viene inviato sia in locale che in cloud;
- local_only: il messaggio rimane confinato nella rete locale della casa.
Utilmente, tutti i messaggi che contengono informazioni sensibili sono di tipo local_only. I messaggi di tipo local_and_cloud sono solo quelli legati a comandi (e relativi feedback) inviati mediante l'app.
Secondo una possibile forma di attuazione, le policy di access comprendono le seguenti policy:
- public: il messaggio può essere visualizzato sia dalle applicazioni mobili (utenti) che dai nodi 2;
- private: il messaggio può essere visualizzato e modificato solo dai nodi 2.
Vantaggiosamente, il sistema 1 comprende una pluralità di microservizi, costituiti da rispettivi componenti software in esecuzione, classificabili in due distinte categorie:
- servizi di nodo 9 in esecuzione su ogni nodo 2 del sistema 1 e configurati per raccogliere dati strettamente legati alla zona di pertinenza del nodo specifico all’interno dell’abitazione e mediante almeno un dispositivo sensore 4;
- servizi di cluster 10 (o servizi “di sistema”) in esecuzione su di almeno un nodo 2.
I servizi di cluster 10 sono configurati per eseguire task relativi a tutti i nodi (di carattere “globale”) ed eseguono solitamente compiti difficilmente svolgibili in modo totalmente decentralizzato.
In particolare, il gestore di clustering è implementato mediante un algoritmo di controllo configurato per eseguire almeno i seguenti passi:
- monitorare i servizi di cluster 10;
- in caso di errore di un servizio di cluster 10 o di guasto del relativo nodo 2, rischedulare il servizio di cluster 10 presso un differente nodo 2.
Pertanto, ciascun servizio di cluster (10) è costantemente monitorato e mantenuto in funzione dall’algoritmo di controllo locale che, in caso di errore o guasto degli stessi, è in grado, in poco tempo, di ri-schedularli altrove.
Vantaggiosamente, secondo una preferita forma di attuazione, i servizi di cluster 10 sono in esecuzione su una pluralità di nodi 2 differenti.
Infatti, i servizi di cluster 10 devono essere in esecuzione su almeno uno dei nodi 2, ma è sconsigliato per ragioni di fault-tolerance che siano in esecuzione tutti sullo stesso nodo 2.
Vantaggiosamente, il sistema 1 comprende un opportuno gestore di clustering configurato per gestire la distribuzione dei servizi di cluster 10 su più nodi 2.
In pratica, quindi, il gestore di clustering garantisce l’esecuzione su tutto il sistema 1 del corretto insieme di servizi di clustering 10.
Tale particolare configurazione di microservizi è schematizzata in figura 1, dove su alcuni dei nodi 2 sono in esecuzione i servizi di cluster, mentre su tutti i nodi 2 sono in esecuzione i servizi di nodo 9.
Pertanto, la schedulazione dei servizi di cluster 10 (cioè la scelta, per ogni servizio di cluster, del nodo che andrà ad eseguirlo) è compiuta in modo collaborativo e decentralizzato dal gestore di clustering.
Utilmente, il gestore di clustering è in esecuzione come servizio di nodo 9 (quindi su tutti i nodi).
Secondo una preferita forma di attuazione del sistema 1, i servizi di nodo 9 comprendono almeno uno tra:
- un servizio di acquisizione immagini e image processing;
- un servizio di acquisizione, preprocessing ed elaborazione di un flusso audio (ad esempio per l’esecuzione di comandi vocali);
- un servizio di acquisizione e preprocessing di dati ambientali da almeno un sensore di parametri ambientali (temperatura, CO2, CO, VOC od altro);
- un servizio di diagnostica di rete;
- un servizio di aggiornamento software.
Vantaggiosamente, i servizi di cluster 10 comprendono almeno un ragionatore automatico.
Inoltre, i servizi di cluster 10 possono comprendere almeno uno tra:
- un servizio di lettura dati meteo;
- un servizio di gestione delle attuazioni;
- servizi di connessione a sistemi multimediali di terze parti.
Il ragionatore automatico (reasoner) è configurato per l’elaborazione dei dati raccolti e per l’attuazione di attività predefinite (regole predefinite e/o comportamenti intelligenti).
Uno schema funzionale generale del ragionatore automatico è riportato in figura 3.
Il ragionatore automatico è configurato per ricevere in ingresso tutti i dati raccolti D1 derivanti dalle sorgenti di input 11, siano essi dispositivi sensori 4 fisici, o processi che generano dati di interesse per la corretta gestione della abitazione.
Vantaggiosamente, il ragionatore automatico comprende un componente di data fusion 12 configurato per:
- ricevere in ingresso i dati raccolti D1;
- processare i dati raccolti per generare una serie di informazioni semanticamente rilevanti D2.
Il ragionatore automatico è inoltre configurato per ricevere in ingresso comandi utente C provenienti da almeno un’unità di comando 13.
Ad esempio, l’unità di comando 13 può essere costituita da un software di comando vocale, da un comando da app mobile o da un input fisico.
Vantaggiosamente, il ragionatore automatico comprende una unità di ragionamento 14, composta da una macchina a stati 15 e da un motore di ragionamento 16.
La macchina a stati 15 è configurata per ricevere in ingresso le informazioni semanticamente rilevanti D2 insieme ai comandi utente C. In particolare, la macchina a stati 15 è configurata per garantire la consistenza delle transizioni di modalità della casa, e a garantirne la correttezza.
Il motore di ragionamento 16 è configurato per attivare i comportamenti previsti dalle regole applicabili.
Vantaggiosamente, il motore di ragionamento attiva i comportamenti previsti secondo un meccanismo di override a priorità (crescente dall'alto verso il basso).
Questo consente di gestire eventuali sovrapposizioni di regole differenti, garantendo che i comandi di attuazione siano sempre scaturiti dalle regole a maggior priorità.
In particolare, il meccanismo di override a priorità consente di evitare conflitti di attuazioni: il meccanismo, per come è costituito, garantisce che ad ogni oggetto sia associata una e una sola attuazione, evitando quindi la generazione di conflitti (più attuazioni, scaturite da regole diverse, associate allo stesso oggetto).
Inoltre, tale meccanismo garantisce una maggiore priorità a regole più specifiche, se presenti, ossia regole con priorità più alta: categorie su base, momenti su categorie, utente sulle precedenti, emergenza su tutte.
Secondo una preferita forma di attuazione, le regole applicabili comprendono le seguenti regole, riportate con una priorità crescente:
- regole di base 16a;
- regole su categorie 16b;
- regole di momento 16c;
- regole utente 16d;
- regole di emergenza 16e.
Ad esempio, le regole di base 16a possono comprendere: il cambiamento automatico delle impostazioni stagionali della casa (passaggio della casa da estate ad inverno e viceversa); attivazione dell’irrigazione automatica a partire dalle condizioni meteo attuali e previste.
Le regole su categorie 16b possono comprendere, ad esempio, illuminazione, qualità dell’aria, temperatura, sicurezza, energia, irrigazione. Le regole di momento 16c possono comprendere, ad esempio, un momento cinema, momento riposo, momento party.
Le regole utente 16d possono comprendere, ad esempio, modifica puntuale delle regole generali, alcuni esempi possono essere l’inibizione dell’accensione puntuale di singoli oggetti o categorie.
Le regole di emergenza 16e possono comprendere, ad esempio la messa in sicurezza della casa nei casi di emergenza come in caso di fughe di gas o allagamenti.
Il motore di ragionamento è configurato per generare un comando una serie di comandi di attuazione 17 o una (o più) notifica all'utente 18 in funzione di quanto emerso dalla valutazione di tutte le regole applicabili 16a-16e.
Vantaggiosamente, l’unità di ragionamento 14 comprende anche un componente di Machine Learning 19 configurato per creare nuova conoscenza e modificare i comportamenti di default a partire da possibili pattern rilevati.
In pratica, quindi, a differenza dei sistemi a regole presenti in letteratura, che necessitano di una “nuova versione” del set di regole, e di un riavvio del processo di reasoning, ogni qual volta una o più regole cambiano, il ragionatore automatico del sistema 1 permette di “codificare” le regole, i.e. gli eventi che la rendono attiva e le azioni che la caratterizzano, attraverso apposite strutture dati. Questo rende possibile cambiare/adattare un set di regole e, quindi, il relativo comportamento del ragionatore automatico, senza la necessità di dover realizzare e distribuire una nuova versione del ragionatore automatico o riavviare il processo.
Utilmente, ogni servizio è di per sé progettato in modo tale da ridurre al minimo i tempi di avvio.
Inoltre, grazie alla presenza dei mezzi di distribuzione e sincronizzazione 8 dei dati su tutti i nodi 2, ciascun servizio può essere eseguito in uno qualsiasi dei nodi 2 della rete. Tale caratteristica rende il sistema 1 estremamente tollerante ai guasti.
Un ulteriore vantaggio è dato dal fatto che la località dei servizi di nodo 9 e dei servizi di cluster 10 permette di garantire la privacy degli utenti. Tutte le informazioni relative alla casa, che siano dati di utilizzo o informazioni multimediali, vengono estratte ed elaborate in locale, e i risultati dell’elaborazione vengono mantenuti in locale. L’utente può richiedere temporaneamente accesso a tali dati solo dall’applicazione mobile, soggetto alle politiche di privacy previste per tutti i membri della famiglia.
Il dispositivo sensore 4 è selezionato tra: almeno una telecamera, almeno un radar di movimento, almeno un sensore di temperatura, almeno un sensore di umidità, almeno un sensore di luminosità, almeno un sensore di co2, co o gas volatili, almeno un microfono, almeno un sensore di pressione.
Secondo una preferita forma di attuazione del sistema 1, ciascuno dei nodi 2 comprende una pluralità di dispositivi sensori 4.
Preferibilmente, ciascun nodo 2 presenta lo stesso set di dispositivi sensori 4.
I dati raccolti dai dispositivi sensori 4 comprendono almeno uno tra:
- rilevazione di oggetti
- rilevazione animali
- rilevazione persone
- identità di persone.
Ad esempio, tramite la raccolta delle facce, vengono creati cluster di tutte le persone presenti. Se il cluster viene associato a un utente, egli verrà riconosciuto come “conosciuto”. Nello specifico, in tal caso con il termine “cluster” si intende come un insieme di tecniche di analisi statistica di dati multidimensionali, usato per vari scopi come dimensionality reduction o unsupervised classification.
Queste informazioni sono estratte in locale, opportunamente filtrate e compresse (per sottostare ai vincoli di traffico della rete locale wireless), ed elaborate in un nodo 2 eletto alla funzione di ragionatore automatico.
Il ragionatore automatico è configurato per elaborare i dati raccolti per ottenere almeno le seguenti informazioni semanticamente più rilevanti:
- presenza di persone, o di specifiche persone;
- eventi ambientali;
- attività sociali.
Ad esempio, il ragionatore automatico è in grado di riconoscere, tramite analisi dei dati prodotti nel sistema, alcune attività di interesse come l’ingresso e l’uscita di persone dalle stanze e dalla casa, le abitudini di uscita e ritorno a casa degli abitanti.
In particolare, il ragionatore automatico è configurato per l’esecuzione in tempo reale di regole predefinite di funzionamento in funzione di dette informazioni determinate.
Sfruttando la conoscenza distribuita estratta da tutta la casa, tali regole permettono di fornire all’utente una serie di comportamenti intelligenti atti a migliorare il comfort, abbassare l’impatto energetico dell’edificio e garantire la sicurezza.
Ad esempio: imparando il rientro a casa degli abitanti, il ragionatore automatico accende il riscaldamento; se viene superata la soglia di kW prima che scatti il contatore spegne l’ultimo carico che è stato acceso e che si può spegnere; un abitante è avvisato se il sistema rileva uno sconosciuto in un piano della casa dove non sono presenti altri abitanti.
Si è in pratica constatato come il trovato descritto raggiunga gli scopi proposti.
In particolare si sottolinea il fatto che, grazie all’elaborazione locale dei dati raccolti, il sistema secondo il trovato è in grado di garantire la privacy degli utilizzatori in quanto tutti i dati sensibili (come ad esempio i video) vengono elaborati in locale e non vengono visualizzati su dispositivi remoti, se non quando gli utenti sono fuori casa.
Risultano ad esempio peculiari in questo contesto l’insieme di algoritmi e delle strategie necessari per generare i classificatori di identità degli individui con le sole informazioni presenti nel contesto distribuito della casa (quindi utilizzando le informazioni visuali provenienti da tutta le stanze della casa), e distribuire in modo efficace l’output di tali classificatori in modo da minimizzare il traffico generato e garantire la privacy degli utenti (quindi senza salvare dati direttamente riconducibili agli stessi, come ad esempio i volti).
Inoltre, il sistema secondo il trovato consente un utilizzo efficace di dati eterogenei.
Infatti, l’utilizzo di una conoscenza distribuita derivata dall’aggregazione di dati eterogenei, e la conseguente generazione di dati semanticamente via via più rilevanti nel contesto domestico, fornisce non solo la possibilità di ulteriori elaborazioni e raffinamenti, ma determina anche una sorta di “linguaggio” di alto livello per la descrizione dello stato della casa e per il comportamento atteso.
Inoltre, l’utilizzo di una rete wireless mesh rende possibile l’installazione del sistema in tempi rapidi e con costi ridotti.
Un ulteriore vantaggio è dato dal fatto che il sistema risulta tollerante ai guasti.
Infatti, il sistema è composto da una pluralità di dispositivi e in caso di guasto di uno dei dispositivi (ad esempio per problematiche hardware) o nel caso in cui uno dei dispositivi risulti irraggiungibile (ad esempio per problematiche dovute alla qualità del mezzo wireless di comunicazione), il sistema continua comunque ad operare correttamente grazie al servizio di clustering.
Inoltre, il sistema secondo il trovato è grado di funzionare correttamente ed in modo efficace anche in assenza di una connessione Internet.
Claims (20)
- RIVENDICAZIONI 1) Sistema (1) di intelligenza artificiale per smart home, caratterizzato dal fatto che comprende una pluralità di nodi (2) di rilevamento ed elaborazione dati, dislocabili all’interno di differenti zone di un’abitazione ed operativamente collegati tra loro mediante una rete wireless (3), in cui ciascuno di detti nodi (2) comprende: - almeno un dispositivo sensore (4) per la raccolta di dati all’interno di una rispettiva zona dell’abitazione; - almeno un’unità di memorizzazione (5) di detti dati raccolti; - almeno un’unità di elaborazione (6) ad elevata capacità computazionale configurata per l’elaborazione di detti dati raccolti; - almeno un’unità di comunicazione wireless (7) configurata per la comunicazione con almeno uno degli altri nodi (2).
- 2) Sistema (1) secondo la rivendicazione 1, caratterizzato dal fatto che comprende mezzi di distribuzione e sincronizzazione (8) su tutti detti nodi (2) dei dati raccolti da ciascuno di detti nodi (2).
- 3) Sistema (1) secondo la rivendicazione 2, caratterizzato dal fatto che detti mezzi di distribuzione e sincronizzazione (8) comprendono almeno un servizio di persistenza in esecuzione su ogni nodo (1).
- 4) Sistema (1) secondo la rivendicazione 3, caratterizzato dal fatto che detto servizio di persistenza è configurato per l’esecuzione almeno dei seguenti task: - all’avvio legge da detta unità di memorizzazione (5) detti dati raccolti e li pubblica popolando/aggiornando una memoria cache di applicazioni in funzione sul sistema (1); - ascolta eventuali messaggi trasmessi su detta rete di comunicazione wireless (3) e, concordemente ad una policy di persistenza, ne esegue la persistenza sull’unità di memorizzazione (6); - effettua la trasmissione di almeno un messaggio di correzione qualora venga rilevata la trasmissione di un messaggio vecchio.
- 5) Sistema (1) secondo la rivendicazione 4, caratterizzato dal fatto che per ogni tipo di messaggio è definito un insieme di politiche di QoS (Quality of Service) in merito ad almeno le seguenti policy: - reliability: indica se è un dato che deve essere obbligatoriamente consegnato a tutti i destinatari o se è ammessa la perdita del messaggio; - persistenza: specifica il tipo di persistenza del messaggio; - domain: specifica se il dato viene propagato anche in cloud; - access: specifica la policy di autorizzazione per il dato.
- 6) Sistema (1) secondo una o più delle rivendicazioni precedenti, caratterizzato dal fatto che comprende una pluralità di microservizi, costituiti da rispettivi componenti software in esecuzione, classificabili in due distinte categorie: - servizi di nodo (9) in esecuzione su ogni nodo (2) del sistema (1) e configurati per raccogliere dati strettamente legati alla zona di pertinenza del nodo (2) specifico mediante almeno un dispositivo sensore (4); - servizi di cluster (10) in esecuzione su di un unico nodo (2) del sistema (1) e configurato per eseguire task relativi a tutti i nodi (2).
- 7) Sistema (1) secondo la rivendicazione 6, caratterizzato dal fatto che detti servizi di nodo (9) comprendono almeno uno tra: - un servizio di acquisizione immagini e image processing; - un servizio di acquisizione ed elaborazione di un flusso audio; - un servizio di acquisizione e preprocessing di dati ambientali da almeno un sensore di parametri ambientali; - un servizio di diagnostica di rete; - un servizio di aggiornamento software.
- 8) Sistema (1) secondo una o più delle rivendicazioni 6 e 7, caratterizzato dal fatto che detti servizi di cluster (10) comprendono almeno un ragionatore automatico.
- 9) Sistema (1) secondo una o più delle rivendicazioni 6, 7 e 8, caratterizzato dal fatto che detti servizi di cluster (10) comprendono almeno uno tra: - un servizio di lettura dati meteo; - un servizio di gestione delle attuazioni; - servizi di connessione a sistemi multimediali di terze parti.
- 10) Sistema (1) secondo una o più delle rivendicazioni precedenti, caratterizzato dal fatto che detto ragionatore automatico è configurato per ricevere in ingresso tutti i dati raccolti (D1) derivanti da sorgenti di input (11).
- 11) Sistema (1) secondo una o più delle rivendicazioni precedenti, caratterizzato dal fatto che detto ragionatore automatico comprende un componente di data fusion (12) configurato per: - ricevere in ingresso detti dati raccolti D1; - processare i dati raccolti D1 per generare una serie di informazioni semanticamente rilevanti D2.
- 12) Sistema (1) secondo una o più delle rivendicazioni precedenti, caratterizzato dal fatto che detto ragionatore automatico è configurato per ricevere in ingresso comandi utente (C) provenienti da almeno un’unità di comando (13).
- 13) Sistema (1) secondo una o più delle rivendicazioni precedenti, caratterizzato dal fatto che detto ragionatore automatico comprende una macchina a stati (15) configurata per ricevere in ingresso dette informazioni semanticamente rilevanti (D2) insieme a detti comandi utente (C).
- 14) Sistema (1) secondo una o più delle rivendicazioni precedenti, caratterizzato dal fatto che detto motore di ragionamento (16) è configurato per attivare comportamenti previsti da regole applicabili.
- 15) Sistema (1) secondo la rivendicazione 14, caratterizzato dal fatto che detto motore di ragionamento (16) attiva i comportamenti previsti secondo un meccanismo di override a priorità.
- 16) Sistema (1) secondo una o più delle rivendicazioni precedenti, caratterizzato dal fatto che dette regole applicabili comprendono almeno le seguenti regole, riportate con una priorità crescente: - regole di base (16a); - regole su categorie (16b); - regole del momento (16c); - regole utente (16d); - regole di emergenza (16e).
- 17) Sistema (1) secondo una o più delle rivendicazioni precedenti, caratterizzato dal fatto che detto motore di ragionamento (16) è configurato per generare un comando di attuazione (17) o una notifica utente (18) in funzione di una valutazione dette regole applicabili (16a-16e).
- 18) Sistema (1) secondo una o più delle rivendicazioni precedenti, caratterizzato dal fatto che comprende almeno un gestore di clustering per la distribuzione dell’elaborazione di detto almeno un servizio di cluster (10), detto gestore di clustering essendo configurato per eseguire almeno i seguenti passi: - monitorare detto almeno un servizio di cluster (10); - in caso di errore di detto servizio di cluster (10) o di guasto del relativo nodo (2), rischedulare detto servizio di cluster (10) presso un differente nodo (2).
- 19) Sistema (1) secondo una o più delle rivendicazioni precedenti, caratterizzato dal fatto che detto almeno un dispositivo sensore (4) è selezionato tra: almeno una telecamera, almeno un radar di movimento, almeno un sensore di temperatura, almeno un sensore di umidità, almeno un sensore di luminosità, almeno un sensore di CO2, CO o gas volatili, almeno un microfono, almeno un sensore di pressione.
- 20) Sistema (1) secondo una o più delle rivendicazioni precedenti, caratterizzato dal fatto che ciascuno di detti nodi (2) comprende una pluralità di dispositivi sensori (4).
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| IT102019000001753A IT201900001753A1 (it) | 2019-02-06 | 2019-02-06 | Sistema di intelligenza artificiale per smart home |
| EP20707321.4A EP3921982A1 (en) | 2019-02-06 | 2020-02-06 | Artificial intelligence system for smart home |
| PCT/IB2020/050949 WO2020161659A1 (en) | 2019-02-06 | 2020-02-06 | Artificial intelligence system for smart home |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| IT102019000001753A IT201900001753A1 (it) | 2019-02-06 | 2019-02-06 | Sistema di intelligenza artificiale per smart home |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| IT201900001753A1 true IT201900001753A1 (it) | 2020-08-06 |
Family
ID=66776666
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| IT102019000001753A IT201900001753A1 (it) | 2019-02-06 | 2019-02-06 | Sistema di intelligenza artificiale per smart home |
Country Status (3)
| Country | Link |
|---|---|
| EP (1) | EP3921982A1 (it) |
| IT (1) | IT201900001753A1 (it) |
| WO (1) | WO2020161659A1 (it) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140266669A1 (en) * | 2013-03-14 | 2014-09-18 | Nest Labs, Inc. | Devices, methods, and associated information processing for security in a smart-sensored home |
| US9300581B1 (en) * | 2015-02-03 | 2016-03-29 | Google Inc. | Mesh network addressing |
| US10097572B1 (en) * | 2016-06-07 | 2018-10-09 | EMC IP Holding Company LLC | Security for network computing environment based on power consumption of network devices |
-
2019
- 2019-02-06 IT IT102019000001753A patent/IT201900001753A1/it unknown
-
2020
- 2020-02-06 WO PCT/IB2020/050949 patent/WO2020161659A1/en unknown
- 2020-02-06 EP EP20707321.4A patent/EP3921982A1/en not_active Withdrawn
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140266669A1 (en) * | 2013-03-14 | 2014-09-18 | Nest Labs, Inc. | Devices, methods, and associated information processing for security in a smart-sensored home |
| US9300581B1 (en) * | 2015-02-03 | 2016-03-29 | Google Inc. | Mesh network addressing |
| US10097572B1 (en) * | 2016-06-07 | 2018-10-09 | EMC IP Holding Company LLC | Security for network computing environment based on power consumption of network devices |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3921982A1 (en) | 2021-12-15 |
| WO2020161659A1 (en) | 2020-08-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Doukas et al. | Intelligent building energy management system using rule sets | |
| KR102440233B1 (ko) | 데이터 분석 기반 자동화 시스템 운영을 위한 IoT 기기 자동 환경 설정 방법 및 장치 | |
| US10001792B1 (en) | System and method for determining occupancy schedule for controlling a thermostat | |
| Patti et al. | Event-driven user-centric middleware for energy-efficient buildings and public spaces | |
| US20090302994A1 (en) | System and method for energy management | |
| US20090302996A1 (en) | System and method for a management server | |
| US20090305644A1 (en) | System and method for a wireless controller | |
| de Farias et al. | A control and decision system for smart buildings using wireless sensor and actuator networks | |
| De Paola et al. | A fog-based hybrid intelligent system for energy saving in smart buildings | |
| CN102119507A (zh) | 用于能量管理的系统和方法 | |
| Weyns et al. | Self-managing internet of things | |
| US20140052304A1 (en) | Dynamic enforcement of power management policy and methods thereof | |
| CN107085417A (zh) | 一种智能家居系统的自动化方法 | |
| Kibria et al. | Web objects based energy efficiency for smart home IoT service provisioning | |
| CN103679306A (zh) | 节省楼宇能源消耗的方法和系统 | |
| CN114706315A (zh) | 智能设备控制系统、方法及存储介质 | |
| Amadeo et al. | When edge intelligence meets cognitive buildings: The cogito platform | |
| WO2017134427A1 (en) | System for controlling a plurality of power-consuming devices | |
| IT201900001753A1 (it) | Sistema di intelligenza artificiale per smart home | |
| Alhafidh et al. | High level design of a home autonomous system based on cyber physical system modeling | |
| Pandharipande et al. | IoT lighting: Towards a connected building eco-system | |
| CN103209319A (zh) | 一种智能联动方法及装置 | |
| Zhang et al. | Conceptual framework for a multi-building peak load management system | |
| US20130226849A1 (en) | Adapting the Operation of an Appliance | |
| JP6978386B2 (ja) | デバイスシステム、デバイス、ゲートウェイ、デバイスシステム制御方法及びコンピュータプログラム |