La Universidad Oberta de Cataluña (UOC) forma parte del proyecto europeo DUNE, que pretende mejorar la localización de los objetos en el interior de los entornos industriales. El proyecto usa técnicas de aprendizaje profundo (deep learning) combinadas con sistemas de computación distribuidos, que aprovechan tanto la nube como el edge. El objetivo es conseguir un sistema versátil que permita aprovechar las diferentes tecnologías existentes y que se adapte a los diferentes casos de uso potenciales.
Uno de los retos principales de la tecnología de localización de activos en interiores es el gran margen de error causado por los obstáculos entre el transmisor y el receptor de la señal, especialmente en entornos industriales, así como la propagación multicamino, el fenómeno que hace que las señales lleguen a las antenas receptoras por dos caminos o más y en diferentes momentos.
En este contexto, DUNE incorpora mecanismos de posicionamiento asistidos por técnicas de aprendizaje profundo en diferentes etapas del proceso de localización con el objetivo de ofrecer un rendimiento óptimo.
El proyecto también aprovecha diferentes arquitecturas de computación, desde la nube hasta el edge y el far edge. En lugar de una estrategia centralizada, la computación se distribuirá en diferentes nodos, más cercanos al lugar de la generación de datos, reduciendo los procesos informáticos en la nube y disminuyendo el tiempo de respuesta de los servidores y el ancho de banda, con la finalidad de aumentar al mismo tiempo la seguridad de los datos.
Estimación de la posición del objeto
El sistema está completamente distribuido y compuesto por diferentes sensores o tecnologías de localización ubicadas en los objetos que quieren localizarse. Estos dispositivos generan trazas de datos en bruto que deben procesarse para obtener las posiciones individuales estimadas; un primer procesamiento de datos tendrá lugar en el llamado far edge, cerca de las antenas que transmiten las señales.
Las señales de radio de los sensores conectados a los objetos o personas que hay que seguir se reciben por la matriz de antenas del localizador. Estos datos deben transformarse para estimar los ángulos que definen la dirección de la señal y permitir una actualización en tiempo real.
Para mejorar el rendimiento del sistema, el procesamiento y la agregación de datos en tiempo real se hará desde otros dispositivos llamados edge. Aquí se introducirá un paso de filtrado posterior para mejorar la traducción de la señal y poder incorporar diferentes tecnologías, usando también métodos de aprendizaje profundo, entre otros.
Pruebas de evaluación del nuevo sistema de localización
Desde estos dispositivos edge se entregarán las posiciones estimadas en tiempo real a una infraestructura en la nube, conectada a los sistemas de información de la fábrica o del almacén logístico donde se esté trabajando. Esta infraestructura en la nube se encargará de la visualización y el seguimiento de los objetos, así como de conectar e interrelacionar esta información con otros subsistemas como, por ejemplo, los de inventario de la fábrica o almacén.
Esta propuesta tecnológica se evaluará a lo largo del proyecto, que tendrá una duración de 12 meses, en diferentes escenarios, y se compararán sus resultados con otras soluciones tecnológicas actuales. En primer lugar, se realizarán test en el mismo laboratorio del grupo de investigación y, posteriormente, se harán pruebas a gran escala en un edificio especialmente diseñado para este tipo de experimentos que cubre 1.000 m2 y que permite evaluar diferentes tecnologías.