卡内基梅隆大学副教授张旆：传感系统新玩法，物理响应分析人的生老病死

最新推荐文章于 2024-10-12 17:55:54 发布

原创最新推荐文章于 2024-10-12 17:55:54 发布 · 5.7k 阅读

2 ·

CC 4.0 BY-SA版权

嵌入式智能国际大会专栏收录该内容

16 篇文章

订阅专栏

受访者 | 张旆

采访者 | 伍杏玲

出品 | 优快云（ID：优快云news）

随着万物相联时代来临，我们身边随处可见物联网技术：我们使用智能门锁进入房间，智能窗帘缓缓拉开，智能扫地机器人开始工作……

当我们关注身边的物联网设备发展之际，有一个人早在10多年前，将目光放在一个有趣的应用领域里：他为生物学家研发的斑马系统ZebraNet，用于研究野外斑马的生活行为。ZebraNe在网络较差的环境里，通过斑马身上安装的传感器来交换信息，记录斑马的活动，这些信息将通过信息收集站传送出去。

他便是卡内基梅隆大学电气与计算机工程副教授，张旆。

除了ZebraNet，他在智慧城市、医学、新零售等多个领域均有较佳的物联网技术研究成果。

张旆最近的工作重点是利用设备和结构的物理特性作为传感器来发现它们周围的物理信息。他的工作结合了基于机器学习的数据模型、物理模型以及启发式模型，以提高对传感系统的理解。

2019年12月6-7日，张旆将在「2019嵌入式智能国际大会」（文末有报名地址）作出题为《Learning in the Physical world: Enabling Structures as Sensors》的报告。

张旆

移动传感器网络的开端：ZebraNet

张旆表示，ZebraNet是移动传感器网络研究领域的开端，不需要基础架构，是第一个部署的移动传感器网络。它获得了Test of Time Paper award （时间考验论文奖），并被引用了2500多次。

该系统是延迟容忍（delay-tolerant）的点对点网络，将斑马的GPS跟踪信息提供给生物学家。张旆团队在肯尼亚部署了ZebraNet，对15匹斑马进行测试，获得了两个多月的数据。除了应用在斑马的研究，ZebraNet还可在移动电话上的传感系统上应用，并且今天的许多研究也使用到它。

传感系统新玩法

谈到本次大会的议题《Learning in the Physical world: Enabling Structures as Sensors》，张旆表示，Structures as Sensors即传感系统，其中结构（例如建筑物）充当物理传感器元素，并且可以分析结构响应（例如振动运动）以了解物理事件的详细信息（例如在建筑物中移动的人员）。这里是和传统的传感器有所区别的。

例如，麦克风的物理元件是麦克风上的微型振膜。随着传感器的接近，结构降低了传感系统的部署难度，增加了它们感知东西的数量。然而，由于改变结构响应会有很多因素（如建筑物中的波传播、建筑材料、行走速度、乘员活动、机械操作等），这样也显著增加问题的难度。

他研究通过整合物理知识、驱动传感系统和适应数据模型，减少了对初始标记数据的依赖，从而使数据科学在实际物理系统中得以应用。

并将结构（例如建筑物或车辆）视为传感器的物理元素，利用其物理响应来感应结构内的人（位置、身份、健康状况、情绪、体重等），或周围的环境（空气污染、交通状况等）。

应用

在《哈利·波特》书里写到，有人打开一张称为“marauder”的地图，便能看到霍格沃茨内的人和其足迹，当然这是书里的魔法。

在现实里，张旆也玩起了传感系统的技术“魔法”，他将传感系统和学习方法应用在很多领域中：

1、医疗保健：张旆和医疗合作伙伴用传感器系统来感知患者的状况。与Vincentian Collaborative System、Baptist Homes一起观察和辅助老年人，以发现他们是否有跌倒的情况。

他和Allegheny综合医院合作，了解患者跌倒的风险和阿尔茨海默氏病的发作。

在和Nationwide儿童医院合作中，通过在早期发现 Amish community的儿童肌肉营养不良症，将患病儿童的预期寿命延长50％（从20岁延长至30岁）。

2、对全市范围的出租车/无人机进行监控：张旆和清华大学连续三年，在五个城市的100多辆出租车上部署了相关系统。目前还扩展到共享单车上。

驱动和模型融合的工作也被应用到微型无人机项目中，并构建了用于在紧急情况下感知的异构无人机。

3、智慧农场：张旆和Betagro合作，通过农场结构振动来检测猪的疾病，这些振动对不利环境（例如多种动物累积的排泄物）非常有效，有可能减少农场抗生素的使用。

4、零售业：在智能零售领域，他与AiFi和家乐福合作，实现自主购物（类似于Amazon Go，但无需工作人员参与其中）。他们在亚洲和美国开设了第一家完全自主的门店，在欧洲的门店已于2019年10月开业。

这其中使用了哪些技术？

张旆介绍道，为了减少训练系统所需的数据量，即降低数据的维数，使用了以下方法：

1、将基于物理的模型与系统的经验模型融合，来创建更多的数据。

2、启动物理传感系统，提高数据质量，实现最佳学习。

3、利用数据分布变化的物理学习，来优化不同应用程序场景之间的数据适配。

实质上，所有的目标都是采用系统的方法来解决学习的问题。将数据视为信息的唯一来源，利用数据收集、物理世界和人的感知。

与志同道合的人同行，与前沿技术共发展

传感器之间的通信是一个巨大的开销，让传感器连接、正常工作通常是最昂贵的部分。AiFi在美国开设的商店里，有40公里长的电线来装下所有需要的传感器。随着5G的发展，张旆认为将有更好的通信和物联网支持，它将显著地支持传感器的更多数据传输。

张旆一直在嵌入式系统耕耘，特别是基于移动传感器的嵌入式系统，但涉及的解决方案广泛：从学生时期为斑马研发的ZebraNet，到上述课题的研究，还在第14届国际计算机学会嵌入式网络传感器系统国际会议上获奖论文《HAP -混合自适应粒子滤波器实现动态高精度空气污染信息场重建》，研究解决重建城市范围高时间和空间分辨率的动态空气污染信息场问题，为何他能关注这么多的应用场景研究？

张旆表示，不仅是上述领域，他还致力于动物、农业、医疗保健、环境和零售应用程序。

从技术上看，传感器系统的优点在于它将我们几百年发展起来的知识用于数据科学。它解决了现实系统的高数据维数问题。因为我们减少需求，这样便消除了在实际应用中数据收集的一个主要障碍。这就是为什么我可以很快地关注这么多领域的应用。

从合作伙伴上，张旆表示有幸和很多聪明的伙伴一起工作，例如斯坦福大学的Hae Young Noh、加州大学默赛得分校的Shijia Pan、清华大学的Lin Zhang、AiFi的Steve Gu、还有博士生（Carlos Ruiz Dominguez、Mostafa Mirshekari、Adeola Bannis、Amelie Bonde、Joao Diogo Falcao、Jesse R Codling、Kanittha Naruethep）。

“他们比我聪明得多。”张旆说。