IM2HoT: Interactive Machine-Learning to improve the House of Things
Cardoso, João Pedro Milano da Silva · Open Repository of the University of Porto (University of Porto) · 2018
Padrões emergem à medida que vivemos as nossas vidas diárias. Podemos aproveitar-nos destes padrões, aprendê-los e usá-los para tornar a vida das pessoas mais confortáveis? Questões em relação ao conforto de uma pessoa na sua própria casa, bem como segurança, saúde e poupança de energia guiam o desenvolvimento de soluções Smart Home, com o objectivo de tornar a vida diária mais fácil. Isto pode ser conseguido através do controlo remoto de dispositivos ou da identificação e automatização de actividades relevantes. Soluções de domótica actuais focam-se principalmente em controlo remoto, monitorização e cenários ou preferências definidas pelo utilizador. Alguns, como o termoestato NEST conseguem aprender padrões de utilizadores, mas servem uma só necessidade. Pelo outro lado, controlo autónomo em soluções que permitem a integração de múltiplos dispositivos depende da definição de regras, e são incapazes de aprender padrões de utilização. O objectivo desta tese é o desenvolvimento de uma solução que utilize algoritmos de machine learning para aprender padrões de utilização, que integre múltiplos tipos de dispositivos heterogeneamente para servir diferentes necessidades e seja capaz de os controlar autonomamente, permitindo soluções off-the-self que melhor se encaixam nas necessidades dos utilizadores. Adicionalmente, utilizadores vão ser capazes de definir que dispositivos querem que o sistema monitorize e aprenda, bem como ajudar o processo de aprendizagem ao reforçar certas escolhas feitas pelo sistema. Esta solução vai ser desenvolvida ao extender o ambiente de programação visual NodeRed. O uso de uma ambiente de programação visual pode também permitir aos utilizadores com pouca experiência de programação interagir facilmente com os sistema. Atualmente não existem soluções smart home que permitem a integração de algoritmos de machine learning para aprender padrões e que controlem múltiplos dispositivos que vão além de necessidades específicas como iluminação ou temperatura. A integração deste sistema no NodeRed irá permitir também um setup fácil e flexível, potencialmente ao alcançe de milhares de utilizadores.