Machine Learning dla automatyki domowej - KUPIMY DANE

  • 9 Odpowiedzi
  • 2975 Wyświetleń

0 użytkowników i 1 Gość przegląda ten wątek.

Machine Learning dla automatyki domowej - KUPIMY DANE
« dnia: Styczeń 28, 2020, 07:12:58 pm »
Cześć wszystkim.

Pracujemy nad rozwiązaniem Machine Learning dla automatyki domowej. Celem jest stworzenie narzędzia, które uczy się użytkownika i jest w stanie generować dla niego sugestie działań.
Start usługi planujemy na czerwiec 2020. Mamy już gotowe narzędzie uczące się i generujące predykcje, ale potrzebujemy jak najwięcej danych z realnie działających systemów, aby móc je wytrenować.
Szukamy osób, które byłyby chętne wspomóc rozwój tego narzędzia poprzez podzielenie się danymi historycznymi ze swoich systemów. Dane mogą być zanonimizowane, możemy też zagwarantować ich poufność odpowiednią umową.

W pierwszej kolejności trenujemy narzędzie na danych z systemów Fibaro HC2 / HCLite. Następnie na danych z Vera, Samsung SmartThings Hub, Somfy TaHoma, Wink Hub 2. Jesteśmy otwarci również na dane z innych systemów.

Osoby chcące wesprzeć projekt prosimy o kontakt pod adresem data@smarthomeai.pl.
« Ostatnia zmiana: Styczeń 30, 2020, 10:18:05 pm wysłana przez smarthomeai-data »
*

Offline viperlodz

  • Moderator Globalny
  • ***** 838
  • 23
  • Nazwa i wersja ID: HC3 / HC2/ HC3L / Yubii
Odp: Machine Learning dla automatyki domowej
« Odpowiedź #1 dnia: Styczeń 28, 2020, 08:35:44 pm »
Możecie coś więcej napisać o całym projekcie.
Odp: Machine Learning dla automatyki domowej
« Odpowiedź #2 dnia: Styczeń 28, 2020, 09:45:22 pm »
Jasne.

Narzędzie z grubsza składa się z kilku modułów:
- moduł przyjmujący dane (zbudowana wersja wewnętrzna, wersja dla użytkowników zewnętrznych: w trakcie prac),
- moduł trenowania / uczenia (gotowy, w trakcie trenowania),
- moduł generowania predykcji (opracowana wersja wewnętrzna)
- moduł pobierania predykcji przez zewnętrznych użytkowników (w trakcie prac).

Zbieramy dane historyczne z różnych systemów automatyki domowej. Ujednolicamy je do jednej struktury, dzięki czemu dla narzędzia jest transparentne czy uczy się z systemu Fibaro, Vera, Samsung czy z dowolnego innego. Przez dane historyczne rozumiemy historię zdarzeń w systemie połączoną z typami urządzeń i ich umiejscowieniem w domu (np. w przypadku Fibaro: wpis z historii + id/nazwa urządzenia + typ urządzenia + pokój + sekcja). Zbieramy informacje o wykonanych przez użytkownika akcjach, np. włączony włącznik, ściemniacz ustawiony na x% jasności, roleta otwarta na x%, uzbrojony alarm etc. oraz dane z czujników wewnętrznych i zewnętrznych. Dodatkowymi parametrami wejściowymi są czas zdarzenia oraz - w przypadku wykonania akcji - użytkownik, który to zdarzenie wykonał (zdajemy sobie sprawę, że nie wszystkie systemy oferują informację o użytkowniku, który wykonał dane zdarzenie - przygotowujemy system na rozróżnialnych użytkowników i jednego, ogólnego źródłowego użytkownika).
Dane trafiają do modułu uczenia maszynowego. Obecnie jest to klasyczny ML oparty o sieci neuronowe, jednak pracujemy też nad jego rozszerzeniem o bardziej zaawansowane narzędzia. Na bazie uzyskanych wyników generujemy predykcje oparte o czas (godzina, dzień tygodnia, etc.) oraz inne parametry środowiska.
Pierwsza wersja narzędzia  będzie działała następująco:
1. System użytkownika podaje "na żywo" lub w określonym interwale czasowym nowe zaistniałe zdarzenia poprzez HTTP API.
2. Moduł ML uczy się na bieżąco systemu użytkownika.
3. Moduł ML uczy się również ogólnie zachowań użytkowników z wielu systemów.
4. Moduł generowania predykcji generuje sugestie co powinno zadziać się w systemie użytkownika.
5. System użytkownika poprzez HTTP API lub webhook może pobierać dla siebie sugestie działań.

Predykcje generowane będą w dwóch trybach: poprzez uczenie się konkretnego systemu (tak mamy to uruchomione w tej chwili) oraz poprzez naukę z wielu systemów i sugerowanie dodatkowych działań użytkownikowi z wzorców znalezionych w przekroju danych z różnych systemów.

W pierwszej wydawanej wersji skupiamy się na działaniach związanych z komfortem użytkownika. Kilka przykładów:
- Jeżeli dane światło jest wyłączane zawsze w określonych +/- godzinach i dniach i/lub gdy czujniki nie wykrywają żadnego ruchu (bo np. wszyscy domownicy są w pracy) - zasugeruj jego wyłączenie, jeśli pozostało włączone.
- Jeżeli rolety są zawsze zamykane na noc w dni powszednie - zasugeruj ich zamknięcie wieczorem, jeśli to się nie stało.
- Jeśli światło na piętrze / w przedpokoju jest zazwyczaj wyłączane, gdy czujniki ruchu nie wykrywają tam ruchu przez określoną ilość czasu - zasugeruj wyłączenie światła.
- Jeżeli użytkownik zazwyczaj zmienia nastawy termostatów przy określonej zmianie temperatury zewnętrznej, ale tylko gdy ktoś jest w domu - zasugeruj takie działanie.
- Wykryj, że użytkownik zapomniał wyłączyć żelazko i zasugeruj mu jego wyłączenie.
Następnie, jeżeli narzędzie będzie po dopracowaniu działało zadowalająco, rozszerzymy uczenie i predykcje o dodatkowe typy urządzeń np. związane z bezpieczeństwem. Przykładowo:
- Jeżeli w godzinach porannych drzwi zewnętrzne zostały zamknięte, brama otwarta i zamknięta, w domu nie ma żadnego ruchu od x czasu a alarm nie został uzbrojony (a zazwyczaj w takiej sytuacjach jest uzbrajany) - zasugeruj jego uzbrojenie.
Oczywiście są to tylko wymyślone przez nas przykłady oraz przykłady, które system nauczył się sugerować na próbkach danych, na których do tej pory bazowaliśmy. Im więcej dostaniemy danych, tym więcej sytuacji będziemy w stanie się uczyć i przewidywać. Również takich, na które nigdy byśmy nie wpadliśmy, aby podać je w przykładach.

Narzędzie będzie zwracać sugestie dla danego systemu / użytkownika co powinno wg wnioskowania zadziać się w danym czasie. Nie będzie wykonywało żadnych akcji w systemie użytkownika, nie będzie generowało scen - pozostawiamy użytkownikowi końcowemu co chce zrobić z takimi sugestiami. Producent automatyki domowej może wdrożyć to rozwiązanie masowo dla użytkowników, którzy wyrażą na to zgodę. Użytkownik indywidualny może stworzyć integrację czy widget - o ile pozwala mu na to rozwiązanie, które posiada - który wyświetli mu sugestie do wykonania np. w aplikacji mobilnej.

Z naszych doświadczeń wynika, że systemy Smart Home pozwalają po pierwsze na sterowanie urządzeniami bez konieczności podchodzenia do nich (np. z aplikacji mobilnej), po drugie na automatyzację pewnych serii zdarzeń (np. poprzez sceny). My chcemy wprowadzić w końcu do tych systemów trochę inteligencji.
Odp: Machine Learning dla automatyki domowej - KUPIMY DANE
« Odpowiedź #3 dnia: Styczeń 30, 2020, 10:19:00 pm »
Dodam jeszcze, że za dostarczenie danych historycznych do trenowania jesteśmy w stanie zapłacić. Zapytania proszę na priv.
*

Offline viperlodz

  • Moderator Globalny
  • ***** 838
  • 23
  • Nazwa i wersja ID: HC3 / HC2/ HC3L / Yubii
Odp: Machine Learning dla automatyki domowej - KUPIMY DANE
« Odpowiedź #4 dnia: Styczeń 30, 2020, 10:45:35 pm »
Ciekawy pomysł. Jednak te rzeczy, które chcecie zautomatyzować to dobry instalator integruje i w systemie są napisane sceny pod te funkcje.
Myślę, że od razu musicie iść krok dalej i uwzględnić dużo więcej rzeczy. Wtedy to narzędzie będzie bardzo przydatne.

Ja na ten moment nie widział bym korzyści korzystania z waszego systemu.
Oczywiście może się zdarzyć, że wasz system coś dodatkowego zasugeruje, ale będą to rzadkie przypadki.
Odp: Machine Learning dla automatyki domowej - KUPIMY DANE
« Odpowiedź #5 dnia: Styczeń 30, 2020, 11:01:25 pm »
Myślę, że od razu musicie iść krok dalej i uwzględnić dużo więcej rzeczy. Wtedy to narzędzie będzie bardzo przydatne.

Podasz jakieś przykłady tych rzeczy? Z przyjemnością się nimi zajmiemy.
*

Offline viperlodz

  • Moderator Globalny
  • ***** 838
  • 23
  • Nazwa i wersja ID: HC3 / HC2/ HC3L / Yubii
Odp: Machine Learning dla automatyki domowej - KUPIMY DANE
« Odpowiedź #6 dnia: Styczeń 30, 2020, 11:19:43 pm »
Przykładowo to co jest opisane z alarmem.
Później multimedia itd.
Opcji jest bardzo dużo do zwiększenia.
Odp: Machine Learning dla automatyki domowej - KUPIMY DANE
« Odpowiedź #7 dnia: Styczeń 30, 2020, 11:47:19 pm »
Dzięki za odpowiedź. Oczywiście tak jak piszesz - jest dużo opcji - a ML jest od tego, żeby wykrywał dowolne zależności. Jednak musimy zacząć od ograniczonych przypadków, aby doprowadzić narzędzie do odpowiedniego poziomu. Wtedy możemy rozwijać a nawet uwalniać jego potencjał.
Anyway: dziś jesteśmy na etapie, gdy potrzebujemy dużo danych. Gdy go przejdziemy, będziemy mogli dokładać kolejne, bardziej zaawansowane cegiełki. Ponawiam więc prośbę: czy ktoś może podzielić się danymi historycznymi? Jak pisałem - może być odpłatnie.
Odp: Machine Learning dla automatyki domowej - KUPIMY DANE
« Odpowiedź #8 dnia: Styczeń 31, 2020, 08:35:00 am »
Rozumiem, że dotacja z unii poszła i trzeba teraz coś zrobić ;)
Z własnego punktu widzenia niechciałbym aby "sztuczna inteligencja" podejmowała u mnie decyzję dot. automatyki w moim domu.
Jak ktoś wyżej napisał. Sceny/proste zależności/ istniejąca już automatyka w zupełności wystarczają.
Kolejna sprawa... dane... nikt ich Wam nie udostępni, a jeśli już to będzie to za mała próbka aby coś z tym sensownego zrobić.
Odp: Machine Learning dla automatyki domowej - KUPIMY DANE
« Odpowiedź #9 dnia: Styczeń 31, 2020, 08:38:13 am »
... spróbujcie uderzyć do rozwiązań, które utrzymują urządzenia swoich użytkowników w chmurze. Tuya, Supla, Sonoff itp. wątpię jednak aby ktoś coś udostępnił.