描述

靈感

COVID19 在家中隔離了我們許多人，包括我們年邁的父母和祖父母。無法定期檢查會增加他們面臨的風險，例如跌倒、煤氣泄漏、洪水、火災等。

它能做什么

Ambianic.ai 是一個端到端的開源環境智能項目，它通過在三個關鍵層中實施隱私保護算法來消除與監控系統相關的污名：

• 對等遠程訪問
• 本地設備 AI 推理和訓練
• 本地數據存儲

Ambianic.ai 觀察目標環境并提醒用戶感興趣的事件。我們的數據僅供房主及其家人使用。用戶數據永遠不會發送到任何第三方云服務器。

這是一篇博客文章，介紹了我們啟動這個項目的原因：https ://blog.ambianic.ai/2020/02/05/pnp.html

這是一篇發表在 WebRTCHacks 上的技術深入研究文章。它闡明了絕對有可能建立一個保護隱私的監控系統，盡管流行的云供應商讓我們相信所有用戶數據都安全地屬于他們的云服務器：https ://webrtchacks.com/private-home-surveillance-with-the -webrtc-數據通道/

我是如何建造的

Ambianic.ai 有 3 個主要組件：

• Ambianic.ai Edge：一個 Python 應用程序，設計用于在 Raspberry Pi 或 NUC 等 IoT Edge 設備上運行。它連接到攝像機和其他傳感器以收集輸入。然后，它使用 AI 模型運行推理管道，檢測感興趣的事件，例如對象、人員和其他觸發器。
• Ambianic.ai UI：使用 Vue.js 和其他前端框架用 Javascript 編寫的漸進式 Web 應用程序，為最終用戶提供直觀的事件時間線。
• Ambianic.ai PnP：即插即用框架，允許 Ambianic UI 和 Ambianic Edge 無縫發現彼此并使用 WebRTC API 通過安全的對等協議進行通信。

我遇到的挑戰

挑戰包括選擇高性能、高精度和低延遲的 AI 模型來檢測資源受限邊緣設備上感興趣的事件。

另一個挑戰是考慮用戶本地數據來微調 AI 模型。預訓練模型可以表現得相當好，但可以通過對獨特的新本地數據進行隱私保護的聯邦學習來改進它們。

我引以為豪的成就

Ambianic.ai 已經公開測試了數周，幫助許多用戶的日常生活。一些用戶報告成功地關注他們的老年家庭成員：https ://twitter.com/mchapman671/status/1230931722650423299

我學到的是

盡管該項目設定了雄心勃勃的目標，但似乎有足夠的支持開源框架和社區動力來推動持續的成功。

通過隱私保護監視遠程居家養老的下一步是什么

我們需要在以下主要領域開展工作：

• 在家庭護理社區招募志愿者來測試系統并提供反饋
• 選擇更多模型來解決開放用例，例如跌倒檢測、氣體泄漏等
• 致力于實施聯邦學習基礎設施以微調初始預訓練模型。