Riassunto analitico
Nell'attuale panorama tecnologico globale, l'importanza dei sistemi di intelligenza artificiale (IA) sta diventando sempre più rilevante. Lo studio, lo sviluppo e l'utilizzo di questi strumenti rappresentano un pilastro innovativo per un'ampia gamma di settori. L'esistenza di queste tecnologie è legato indissolubilmente alla disponibilità di dati, i quali fungono da veicolo per il contenuto informativo che può essere presentato, assimilato e generalizzato dai sistemi intelligenti. La diversità dei dati accessibili, sia in termini di forma che di contenuto informativo, modella le possibilità offerte dall'IA.
Come conseguenza, la disponibilità di dati diversificati ritraenti caratteristiche, medesime o diverse, appartenenti allo stesso contesto costituisce un'attraente base per lo sviluppo di una solida e matura ricerca generalizzata, che prende il nome di sensor fusion o multimodal fusion. In questo contesto, la presente tesi mira a esplorare e ampliare le frontiere della raccolta e dell'integrazione dei dati sensoriali, concentrandosi sulla creazione del dataset multisensoriale AURA, progettato per migliorare le prestazioni dei sistemi di calcolo neuromorfico, ma con potenzialità estensibili oltre tale ambito.
Questo lavoro si articola in sei capitoli distinti, ciascuno dei quali esplora differenti aspetti relativi alla fusione sensoriale, al calcolo neuromorfico e alla generazione di dataset multimodali. Inizialmente, il testo fornisce una panoramica introduttiva riguardo la sensor fusion, offrendone un'analisi riassuntiva. Successivamente, il focus si sposta sul calcolo neuromorfico, evidenziando le sue ispirazioni biologiche e le applicazioni pratiche che caratterizzano questa branca tecnologica emergente. Il terzo capitolo descrive lo stato attuale dei dataset multisensoriali open-source, esaminando i sensori più impiegati nella ricerca e le loro applicazioni, con particolare attenzione alla compatibilità con il calcolo neuromorfico.
Il punto centrale della tesi è il quarto capitolo, che descrive in dettaglio la metodologia usata per la creazione del dataset AURA, enfatizzando il processo di mappatura dei dati tra diversi sensori, essenziale per l'efficacia del dataset. Viene inoltre esplorata la possibilità di generare dataset specifici a partire da AURA, come illustrato dall'esempio della creazione del dataset HEDRA, utile per la fusione di dati provenienti da DVS e radar. Presentando i risultati ottenuti, la tesi dimostra come il dataset AURA possa servire da punto di riferimento per la validazione e lo sviluppo di tecniche di fusione sensoriale, evidenziandone la versatilità e dimostrando la sua applicabilità in un'ampia gamma di contesti incentrata, ma non limitata, nel calcolo neuromorfico.
In conclusione, questo lavoro si propone come stimolo per ulteriori ricerche e sviluppi nel campo della fusione sensoriale, in particolare nel contesto del calcolo neuromorfico, offrendo una nuova prospettiva sull'impiego di dataset multimodali come AURA.
|