新闻中心

当前位置: 首页 > 新闻中心 > 学术简报 > 正文

AIR学术|哥大副教授姜小凡:“民有、民治、民享” 的智能系统

来源:       发布时间:2022-06-09
主讲人 时间
地点 精彩回顾

所谓“民有(of the people)”的智能系统,就是指人类作为被感知主体的智能系统;“民治(by the people)”的智能系统,就是指人类受到智能系统的指导,参与到对客观环境的优化配置中;而“民享(for the people)”的智能系统,则是指人类作为终端用户来使用的智能系统

——姜小凡



         

活动概况


6月9日上午,AIR学术沙龙第22期如期举行。本期活动荣幸地邀请到了哥伦比亚大学副教授姜小凡教授为我们做题为《“民有、民治、民享” 的智能系统》的讲座。


12941


本次活动由清华大学国强教授、智能产业研究院(AIR)首席研究员刘云新教授主持,AIR官方视频号同步直播,当日线上逾2500次观看。




     

讲者介绍

2BC92

向上滑动阅览

Xiaofan (Fred) Jiang is an associate professor in the ElectricalEngineering department at Columbia University and Chair of the Smart CitiesCenter at the Data Science Institute. Fred received his B.Sc., M.Sc., and Ph.D.in Electrical Engineering and Computer Science from UC Berkeley, in 2004, 2007,and 2010, respectively. Fred’s research lies at the intersection of systems anddata, with a focus on intelligent embedded systems and their applications inmobile and wearable computing, intelligent built environments, Internet ofThings, and connected health. His research has been published in top-tiervenues and received numerous awards, including Best Paper Award at IPSN’05,Best Demo Award at SenSys ’11, IoTDI '18, IPSN '20, and SenSys '21, BestPoster Award at BuildSys’16, and Best Paper Runner-Up Award at BuildSys ’17and ’19. He has served on technical and organization committees of leadingconferences in the field, including TPC Chair of BuildSys ’14, General Chair ofSenSys ’19, and General Chair of BuildSys '21. Fred is the Founding Treasurerof the newly established ACM Special Interest Group on Energy Informatics(SIGEnergy). His research has been featured in many popular media outlets,including The Economist, New York Post, Mashable, Gizmodo, The Telegraph, andFast Company. He is the recipient of an NSF Graduate Fellowship, a Vodafone-USFoundation Fellowship, and an NSF CAREER Award.


报告内容



姜教授列举了他的团队近几年在智能系统领域的工作,并按“民有”、“民治”、“民享”进行了分类。所谓“民有(of the people)”的智能系统,就是指人类作为被感知主体的智能系统;“民治(by the people)”的智能系统,就是指人类受到智能系统的指导,参与到对客观环境的优化配置中;而“民享(for the people)”的智能系统,则是指人类作为终端用户来使用的智能系统。在接下来的报告中,姜教授分别介绍了他在“民有”、“民治”、“民享”三方面的一系列工作。



1.“民享”的智能系统



PAWS: A Wearable Acoustic System for Pedestrian Safety



CAD6

现代社会,马路上的“低头族”越来越多,这带来了很大的安全隐患。PAWS是一个基于麦克风阵列的车辆检测系统,可帮助行人更好地避开行驶中的车辆。为了降低环境噪音的干扰,准确检出一定距离之外的车辆,需要将声音信号映射至NBIP特征空间;为了确定车辆的方位与距离,则需要计算出不同麦克风接收到声音信号的相对延时。


F384



PAWS使用嵌入式的微控制器来计算相对延时并提取NBIP特征,然后在用户的智能手机上使用机器学习算法完成检测与定位,并以流水线的方式降低系统延时。该系统具有较高的检测准确率,但在嘈杂环境下的定位准确率仍有提升空间。

2AB74


为了进一步降低系统的功耗与延时,姜教授团队优化了延时计算算法,并用定制的ASIC替换原有的MCU,从而得到PAWS-LE。实验表明,PAWS-LE在更低的延时与功耗下达到了与PAWS相近的定位准确率。


244CB

CSafe: An Intelligent Audio Wearable Platform for Improving Construction Worker Safety in Urban Environments

6CD14

由于工作噪声大,公路上的建筑工人更难注意到行驶的车辆,也更容易因车祸受伤。由于工地上的噪声远大于汽车的声音,直接使用PAWS的方案在这种场景下效果并不好;而现有的多通道空域分离(spatial separation)和单通道内容分离(content separation)滤波方法都有不足之处。CSafe采用了空域和内容结合的滤波方法(spatial+content-based separation),并能够根据噪声检测结果动态更新滤波器,从而达到了较好的降噪效果。

213A2


AvA – An Adaptive Audio Filtering Architecture for Mobile, Embedded, and Cyber-Physical Systems

296B4


不仅是在车辆检测中,在许多不同的应用场景下,人们都希望能够过滤掉某些特定的声音,同时增强另一些需要重点关注的声音。AvA就是一个能够根据用户需求适配不同场景的、通用的音频滤波架构。它综合使用了基于内容的滤波方法和基于空域的滤波方法,并能够通过反向传播自适应地学习滤波参数。




2.“民治”的智能系统


27240

所谓“民治”,即智能系统为用户的行为提供建议,让人类参与到对客观环境资源配置的优化中。例如一个人在夏天独占房间并打开空调,会消耗大量能量;如果他选择去往另一个已经有人的房间,则可以节省该房间的功耗。基于对环境信息的掌握与分析,智能系统可以向用户自动推荐最优的行程。

2C911


如图所示,根据终端传感器提供的能耗与位置信息,模拟器模拟推荐系统给出的用户行为对环境产生的影响,并将其反馈给推荐系统;经过离线的训练,推荐系统将能够自动选择最优的策略,为用户的行动给出建议。

2D7B0




3.“民有”的智能系统



SIFTER: Low-Cost Continuous Multi-Person Fever Screening

5FEE2

现有的体温监测系统往往需要人在设备前近距离停留,而这有可能带来入口处的人员拥堵。姜教授团队提出的SIFTER能够以低于市面商用设备的成本,在更远的检测距离准确测量行进中的人的体温。通过距离校准,表面与介质校准和3D点云投影,SIFTER有效提升了准确率和测量距离。通过边缘与云端结合的方式和docker虚拟化技术,SIFTER可以为多个用户提供隐私安全的实时检测。


3B6B2


最后,姜教授还介绍了正在进行的SensorHub项目。SensorHub基于树莓派开发板搭建,可以通过载板接入各种不同的传感器,并自动安装对应驱动,实现即插即用的传感器集成。用户可以通过dashboard访问或配置传感器,也可以通过linux命令行直接访问。该项目可以简化传感器使用流程,降低初学者的使用门槛。


文稿撰写 / 李翔宇

排版编辑 / 张子瞻

校对责编 / 黄  


上一条:AIR学术|仉尚航:迈向开放环境泛化机器学习 下一条:AIR学术 | 北大助理教授朱毅鑫:“暗”,不止于“深”——类人常识的计算机视觉

关闭

业务合作:airoffice@air.tsinghua.edu.cn
招生招聘:airhr@air.tsinghua.edu.cn
联系电话:(010)82151160  

办公地点:北京市海淀区清华科技园启迪科技大厦C座12层

官方微信

京ICP备15006448号  |   版权所有©清华大学智能产业研究院