新加坡南洋理工大学研究人员最近推出了一种在元宇宙中跟踪人类运动的新方法。

元宇宙的关键特征之一是能够在数字世界中实时表示现实世界的物体和人。例如，在虚拟现实中，用户可以转动头部来改变视野或操纵现实世界中的物理控制器来影响数字环境。

目前，在元宇宙中捕获人类活动基于设备的传感器、摄像头或两者的组合方案。然而，正如研究人员在研究论文中所阐述，这两种方式都有局限性。

研究人员表示，基于设备的传感系统，例如带有运动传感器的手持控制器，“只能捕获人体某一点的信息，因此无法模拟非常复杂的活动”；基于摄像头的追踪系统难以应对弱光环境和物理障碍物。

多年来，研究人员一直在使用WiFi传感器来追踪人类的活动。与雷达非常相似，用于发送和接收WiFi数据的无线电信号可用于感知太空中的物体。

WiFi传感器可以进行微调，以采集心跳、追踪呼吸和睡眠模式，甚至可以透过墙壁感知人体。研究人员曾尝试将传统追踪方法与WiFi传感相结合，并取得了不同程度的成功。

WiFi追踪需要使用人工智能模型。然而，事实证明，训练这些模型对于研究人员来说具有很高的难度。

“使用Wi-Fi和视觉模式的现有解决方案依赖于大量标记的数据，这些数据收集起来非常麻烦。为此我们提出了一种新颖的无监督多模式HAR [人类活动识别]解决方案MaskFi，可利用未标记的视频和Wi-Fi活动数据进行模型训练。”

为了训练HAR WiFi传感实验所需的必要模型，研究人员必须建立一个训练数据库。用于训练人工智能的数据集包含数千甚至数百万个数据点，具体取决于特定模型的目标。通常，标记这些数据集可能是进行这些实验中最耗时的部分。

南洋理工大学团队构建了“MaskFi”以克服这一挑战，使用“无监督学习”方法构建了人工智能模型。

在无监督学习范式中，人工智能模型在较小的数据集上进行预训练，然后进行迭代，直到能够以令人满意的准确度预测输出状态。这使得研究人员能将精力集中在模型本身上，而不是花费大量精力来构建强大的训练数据集。

研究人员表示，MaskFi系统在两个相关基准测试中的准确率约为97%。这表明该系统通过未来的发展可以成为一种全新的元宇宙模式的催化剂：一个可以实时提供1:1真实世界表示的元宇宙。