O pesquisador Akpojoto Siemuri, da Universidade de Vaasa, Finlândia, explorou em sua tese de doutorado como métodos adaptativos de aprendizado de máquina e a fusão de sensores avançados podem melhorar a precisão, confiabilidade e proteção de privacidade dos sistemas de posicionamento modernos. Este estudo visa resolver o problema da vulnerabilidade do sinal de navegação por satélite em ambientes internos ou áreas urbanas densas com muitos edifícios altos, fornecendo suporte técnico mais estável para serviços críticos como navegação em smartphones, logística, tráfego e resposta a emergências.
A navegação por satélite, embora amplamente utilizada na vida cotidiana, frequentemente enfrenta desafios como bloqueio de sinal ou perda de precisão em ambientes complexos. A pesquisa de Siemuri, ao integrar o Sistema Global de Navegação por Satélite (GNSS), sensores inerciais e tecnologia de banda ultralarga, combinados com algoritmos de aprendizado de máquina, alcançou um posicionamento mais preciso tanto em ambientes internos quanto externos. Ele mencionou: "Os smartphones, como ferramentas digitais onipresentes, têm seu aprimoramento de capacidade de posicionamento como um caminho eficaz para impulsionar o desenvolvimento de cidades inteligentes."
A tese também introduziu a tecnologia TinyMLs, ou seja, modelos de aprendizado de máquina leves que funcionam diretamente no dispositivo. Essa abordagem reduz a dependência do processamento em nuvem, melhorando não apenas a proteção da privacidade dos dados, mas também a eficiência energética. Siemuri explicou: "O processamento localizado ajuda a melhorar a eficiência energética do sistema e está alinhado com os princípios de inteligência artificial confiável, como os defendidos pela Lei de IA da União Europeia, evitando simultaneamente o consumo excessivo da vida útil da bateria."
Olhando para o futuro, Siemuri explorou o potencial de aplicação do aprendizado de máquina na determinação da órbita de satélites de órbita terrestre baixa (LEO). Por estarem mais próximos da Terra, esses satélites podem fornecer sinais mais fortes e maior resiliência de posicionamento. Ele acrescentou: "Combinado com o aprendizado de máquina adaptativo, os satélites LEO têm o potencial de melhorar significativamente o desempenho de posicionamento em ambientes complexos, estabelecendo as bases para a próxima geração de infraestrutura de posicionamento." Esta pesquisa enfatiza o papel crucial do aprendizado de máquina em aprimorar a robustez e eficiência dos sistemas de posicionamento, oferecendo novas perspectivas para o desenvolvimento de tecnologias relacionadas.
Detalhes da publicação: Autor: by University of Vaasaby University of Vaasa; Título: «Machine learning improves accuracy, reliability and privacy in modern positioning systems».
