Os mapas são amplamente utilizados atualmente e são úteis para muitos aplicativos baseados em localização, incluindo navegação, compartilhamento de viagens, monitoramento de condicionamento físico, jogos, robótica e realidade aumentada. À medida que a tecnologia de localização interna avança, há necessidade de um serviço de mapeamento colaborativo que possa gerenciar ambientes internos e privados e, ao mesmo tempo, superar problemas de privacidade, robustez e interoperabilidade. Há uma necessidade crescente de um sistema de gestão de propriedades integrado e escalável que possa se estender a propriedades privadas. À medida que a utilização de aplicações baseadas em localização se expande e as tecnologias de localização interior melhoram, as infraestruturas de mapeamento centralizadas enfrentam desafios em termos de escalabilidade e privacidade.
Algumas grandes empresas controlam os serviços de mapeamento atuais, como o Google Maps e o Apple Maps, e cobrem principalmente áreas externas, deixando uma lacuna na disponibilidade e privacidade da localização interna. Baseiam-se em dados pré-recolhidos, o que impede e limita a sua expansão para áreas privadas. Esses sistemas enfrentam questões de privacidade e não se integram facilmente aos rápidos avanços nas técnicas de localização. Uma equipe de pesquisadores da CMU fez uma proposta OpenFLAME (mecanismo aberto de localização e mapeamento federado)), um serviço integrado e descentralizado. OpenFLAME conecta servidores que lidam com localização para regiões específicas, abrindo as portas para aplicativos adicionais. Ele usa o Sistema de Nomes de Domínio (DNS), que os computadores usam para se identificarem na rede. Ele traduz nomes de domínio legíveis em endereços IP.
OpenFLAME conecta dispositivos a servidores de mapas localizados e trabalha em estreita colaboração com o Sistema de Nomes de Domínio para encontrar servidores regionais apropriados, garantindo o dimensionamento. Cada servidor de mapas gera seu próprio sistema de coordenadas locais, usando uma estrutura de “pontos de referência” para ajudar a alinhar mapas sobrepostos e, ao mesmo tempo, preservar a privacidade. Um estudo piloto realizado pelos mesmos pesquisadores mostrou que a localização compartilhada em servidores remotos é possível com latência de consulta aceitável.
A arquitetura do OpenFLAME inclui várias etapas: primeiro, o dispositivo calcula a localização usando fontes como GPS, WiFi e Bluetooth, que é então convertida em nomes de domínio geográfico que representam regiões quadradas. Esses domínios geográficos são usados para acessar pesquisas de DNS e encontrar servidores que fornecem serviços de mapeamento geográfico. O dispositivo envia todas as informações coletadas para esses servidores de mapas, que determinam a localização e orientação do dispositivo com precisão. O dispositivo então filtra todos os resultados negativos e encontra o servidor de mapas apropriado para sua localização. A localização do melhor servidor de mapas e pontos de referência são enviados para o aplicativo. Ele repete a consulta periodicamente para manter a localização precisa, alterando os servidores de mapas somente quando necessário.
Concluindo, o OpenFLAME resolve os desafios de privacidade, escalabilidade e interoperabilidade no ambiente interno e externo usando DNS para descoberta e mapeamento de serviços. A abordagem pesada de hoje para mapeamento e localização em grande escala dificulta o desenvolvimento de aplicações baseadas em localização, e há uma grande necessidade de um serviço como o OpenFLAME!
Confira Papel. Todo o crédito deste estudo vai para os pesquisadores deste projeto. Além disso, não se esqueça de nos seguir Twitter e junte-se ao nosso Estação telefônica de novo LinkedIn Gracima. Se você gosta do nosso trabalho, você vai gostar do nosso jornal.. Não se esqueça de participar do nosso SubReddit de 55k + ML.
[Upcoming Live LinkedIn event] 'Uma plataforma, possibilidades multimodais', onde o CEO da Encord, Eric Landau, e o chefe de engenharia de produto, Justin Sharps, falarão sobre como estão revitalizando o processo de desenvolvimento de dados para ajudar as equipes a construir modelos de IA multimodais revolucionários, rapidamente'
Nazmi Syed é estagiária de consultoria na MarktechPost e está cursando bacharelado em ciências no Instituto Indiano de Tecnologia (IIT) Kharagpur. Ele tem uma profunda paixão pela Ciência de Dados e está explorando ativamente a ampla aplicação da inteligência artificial em vários setores. Fascinada pelos avanços tecnológicos, a Nazmi está comprometida em compreender e aplicar inovações de ponta em situações do mundo real.
Ouça nossos podcasts e vídeos de pesquisa de IA mais recentes aqui ➡️
