Kisima cha Mwanga Kisichoona: Udhibiti wa Taa Kulingana na Binadamu Kutoka kwa Picha za RGBD

1. Utangulizi

Ubunifu wa taa za ndani ni muhimu kwa starehe ya binadamu na ufanisi wa nishati. Mifumo ya jadi ya taa mara nyingi hufanya kazi kwa uwezo wa juu bila kujali uwepo au mahitaji ya mtumiaji, na kusababisha upotevu mkubwa wa nishati. Utafiti unaonyesha kuwa taa zinaweza kutumia zaidi ya 15% ya umeme wa jumla wa jengo, na kufikia kilele cha karibu 25%.

Karatasi hii inatangaza Kisima cha Mwanga Kisichoona (ILS), mfumo mpya unaorekebisha mwangaza kulingana na uwepo wa binadamu na mwelekeo wa kutazama. Kwa kupunguza mwanga wa taa zilizo nje ya uwanja wa mtazamo wa mtumiaji, ILS hupata akiba kubwa ya nishati bila kupunguza kiwango cha mwanga kinachohisiwa na mkaazi, na kufanya akiba hiyo iwe "isiyoonekana".

2. Mbinu & Mfuatano wa Mfumo

Mfumo wa ILS huchakata data ya RGBD (Nyekundu-Kijani-Bluu-Kina) ili kuunda muundo wa udhibiti wa taa unaobadilika. Mfuatano mzima unaonyeshwa kwenye Mchoro 2 wa karatasi ya asili.

3. Maelezo ya Kiufundi & Uundaji wa Kihisabati

Njia ya radiosity hutatua usambazaji wa usawa wa mwanga katika mazingira. Mlinganyo wa msingi wa radiosity kwa kipande i ni:

$B_i = E_i + \rho_i \sum_{j=1}^{n} B_j F_{ji}$

Ambapo:

• $B_i$: Radiosity ya kipande i (jumla ya mwanga unaotoka kipande).
• $E_i$: Utoaji wa mwanga wa kipande i (si sifuri kwa vyanzo vya mwanga).
• $\rho_i$: Ukinzani wa mwanga (albedo) wa kipande i.
• $F_{ji}$: Fomu ya kipande kutoka j hadi i, inayowakilisha sehemu ya nishati inayotoka j inayofika i. Hii inakokotolewa kijiometri kutoka kwa muundo wa mandhari.

ILS inarekebisha muundo huu. "Mwanga unaohisiwa" $L_p$ kwa mtu aliyeko kwenye nafasi $\mathbf{p}$ na mwelekeo wa kichwa $\mathbf{o}$ unakadiriwa kwa kuunganisha thamani za radiosity $B_j$ za nyuso j ndani ya frustum ya kutazama $\mathcal{F}(\mathbf{p}, \mathbf{o})$:

$L_p(\mathbf{p}, \mathbf{o}) = \int_{j \in \mathcal{F}(\mathbf{p}, \mathbf{o})} B_j \, V(\mathbf{p}, j) \, dA_j$

Ambapo $V(\mathbf{p}, j)$ ni utendaji wa kuonekana. Mfumo kisha hutatua kwa nguvu za vyanzo vya mwanga zinazoweza kuweka $L_p$ juu ya kizingiti cha starehe huku ukipunguza nishati ya jumla $\sum_k I_k$ (nguvu ya kianzishaji cha mwanga k).

4. Matokeo ya Majaribio & Seti ya Data

Waandishi walikusanya seti mpya ya data ambapo wafanyikazi wa ofisi walivaa vifaa vya kupima lux kwenye vichwa vyao kupima mwangaza (Lux) kwenye sehemu ya kutazama, na kutumika kama ukweli wa msingi wa mwanga unaohisiwa.

Maelezo ya Chati (Kurejelea Mchoro 1 & 3): Mchoro 1 unaonyesha piramidi ya mikakati ya kuokoa nishati, ikipa kipaumbele utumiaji wa mwanga wa asili, udhibiti wa ndani, usanidi wa nafasi, na vyanzo vya mwanga vinavyofaa. Mchoro 3 kwa dhana unalenga usawa kati ya mahitaji ya binadamu, usanifu, na ufanisi wa nishati—tatu ambazo ILS inalenga kuboresha.

5. Mfumo wa Uchambuzi & Mfano wa Kesi

Hali: Mfanyakazi mmoja katika ofisi kubwa yenye mpango wazi na taa 20 za dari.

1. Ingizo: Kamera ya RGBD hugundua mtu mmoja kwenye dawati A, akikabili kioo chao.
2. Uchambuzi: Frustum ya kutazama inakokotolewa. Inajumuisha taa 1-4 juu ya dawati A na kuta zilizo karibu.
3. Kutatua Radiosity: Muundo unaamua kuwa taa 5-20 hazichangii sana kwa mwanga unaoposwa ndani ya frustum ya mtumiaji.
4. Hatua: ILS inapunguza nguvu za taa 5-20 hadi 10%, huku ikiweka taa 1-4 kwa ~85% ya nguvu ili kufidia mwanga wa posa uliopotea.
5. Matokeo: Mwangaza unaohisiwa na mfanyakazi unabaki kwenye Lux 1050 (ikilinganishwa na msingi wa Lux 1200), huku matumizi ya nishati yakipungua kwa ~70% kwa mzunguko wa taa.

Kesi hii inaonyesha kanuni kuu: kuboresha kwa kihisi cha binadamu (macho) badala ya kihisi cha chumba (kipima lux kilichowekwa ukutani).

6. Matarajio ya Utumizi & Mwelekeo wa Baadaye

• Majengo Bora na Ujumuishaji wa IoT: ILS inaweza kujumuishwa na Mifumo ya Usimamizi wa Majengo (BMS) na mitandao ya IoT kwa usimamizi kamili wa nishati, ikilingana na viwango kama vile Project Haystack na Brick Schema.
• Ujumuishaji wa Vihisi Bora: Mifumo ya baadaye inaweza kujumuisha vihisi vinavyovikwa (kama vile vipima lux vilivyotumika kwenye seti ya data) kwa maoni ya wakati halisi ya kibinafsi, na kuunda mfumo wa udhibiti wa kitanzi kilichofungwa.
• Athari za Mwanga Zisizo za Kuona: Kupanua muundo kudhibiti mwanga wa circadian, kushawishi kukandamizwa kwa melatonin kupitia mwangaza wa melanopic, kama ilivyofanyiwa utafiti na Well Building Standard.
• Uboreshaji wa Kujifunza kwa Mashine: Kubadilisha au kuongeza kitatuzi cha radiosity na muundo wa kujifunza kina (mfano, kichocheo cha neva) kunaweza kuboresha kasi na uwezo wa kukabiliana na mandhari zinazobadilika, sawa na maendeleo katika NeRF (Neural Radiance Fields).
• Uwezo wa Kuongezeka & Faragha: Kukuza toleo la kienezi linalolinda faragha ambalo hutumia usindikaji wa ukingoni kwa ajili ya kugundua binadamu bila kuhifadhi data ya video inayoweza kutambulika.

7. Marejeo

1. Tsesmelis, T., Hasan, I., Cristani, M., Del Bue, A., & Galasso, F. (2019). Human-centric light sensing and estimation from RGBD images: The invisible light switch. arXiv preprint arXiv:1901.10772.
2. International Association of Lighting Designers (IALD). (2018). Lighting Design Guidelines.
3. Kralikova, R., & Zhou, J. (2017). Energy consumption analysis for lighting in office buildings. Energy and Buildings, 154, 561-568.
4. Mildenhall, B., et al. (2020). NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis. ECCV.
5. Well Building Standard. (2022). Light Concept v2. International WELL Building Institute.

8. Uchambuzi wa Mtaalamu & Ukosoaji

Uelewa wa Kiini: Karatasi ya ILS ni ujanja wa kutatua tatizo la jadi. Haigundui algoriti mpya za kompyuta za kuona au michoro, bali inapakia upya njia ya radiosity ya miongo kadhaa katika mfumo wa udhibiti wenye binadamu katikati. Uvumbuzi halisi ni mabadiliko katika lengo la ubora: kutoka kwa mwangaza sawa wa chumba hadi mtazamo wa mwanga wa kibinafsi, unaotegemea kutazama. Huu ni mfano wa jadi wa programu ya "AI inayolenga binadamu" inayoshughulikia moja kwa moja ushindani kati ya nishati na starehe.

Mkondo wa Mantiki: Mantiki ni sahihi: 1) Panga mandhari, 2) Tafuta watu na wanakotazama, 3) Tumia fizikia (radiosity) kuiga ni taa zipi zinazoathiri mtazamo wao, 4) Punguza nguvu za zile zingine. Mfuatano katika Mchoro 2 ni wazi. Hata hivyo, karatasi haielezi vizuri changamoto kubwa za uhandisi: ukadiriaji thabiti wa mwelekeo wa kichwa kwa wakati halisi katika mazingira mbalimbali ya ofisi, ukadiriaji sahihi wa sifa za vifaa kutoka kwa RGBD, na gharama ya kompyuta ya kutatua hata mfumo mzito wa radiosity kwa nguvu.

Nguvu & Kasoro:
Nguvu: Mbinu ya kimajaribio na seti ya data ya kipima lux maalum ni nguvu kubwa—inapita zaidi ya uigizaji. Akiba ya nishati ya ~66% inayoripotiwa ni ya kuvutia na inalingana na upotevu wa busara katika ofisi kubwa zenye watu wachache. Dhana ni rahisi kwa mtumiaji wa mwisho (akiba ni "isiyoonekana").
Kasoro: Tatizo kubwa ni mizigo ya ziada ya mfumo wa wati 1,560. Kwa mfumo unaookoa ~12,000 watt-saa/kwa siku, mizigo hii ya ziada hutumia sehemu kubwa ya akiba. Uchumi unafanya kazi tu katika nafasi kubwa. Kutegemea kamera moja kuu ya RGBD ni janga la faragha na uthabiti. Nini hufanyika wakati kuna vizuizi, watu wengi, au mtu anayefanya kazi kwenye kiti? Muundo wa radiosity unadhani nyuso zinazotawanyika—urahisishaji mkubwa unaovunjika na vioo vya kompyuta au madirisha.

Uelewa Unaoweza Kutekelezwa: Kwa watendaji, utafiti huu ni uthibitisho wa dhana, sio bidhaa ya kuzima-na-kucheza. Ujumbe muhimu ni kanuni ya ubunifu: boresha kwa uwanja wa kuona wa binadamu. Mkakati wa karibu, unaoweza kutekelezwa, unaweza kuwa toleo rahisi linalotumia vihisi rahisi vya PIR/mwendo na uwepo wa ngazi ya dawati kutekeleza kupunguza nguvu kwa misingi ya ukanda, ikivutwa na mantiki ya ILS. Kwa watafiti, siku zijazo ziko katika miundo mseto: tumia mtandao wa neva mwepesi (uliochochewa na maendeleo ya haraka katika uwasilishaji wa mandhari kama NeRF) kukadiria utendaji wa radiosity kwa wakati halisi, na uunganishe na rada ya mmWave iliyosambazwa inayolinda faragha kwa ajili ya kugundua uwepo na mwelekeo, kama ilivyochunguzwa na Maabara ya Sayansi ya Kompyuta na AI ya MIT (CSAIL) kwa ajili ya kuhisi ndani ya nyumba. Dhana ya ILS ni msingi imara, lakini athari yake ya ulimwenguni halisi inategemea kutatua vizingiti vya vitendo vya gharama, faragha, na ufanisi wa kompyuta.