O uso de machine learning e inteligência artificial (IA) está revolucionando a segurança no local de trabalho, conforme demonstrado por pesquisas da Universidade de Cincinnati. Um novo sistema de gêmeo digital identifica objetos e pessoas em um ambiente de trabalho, enviando alertas em tempo real para prevenir colisões e lesões.
Contexto da pesquisa
A Universidade de Cincinnati, em colaboração com o Escritório de Compensação de Trabalhadores de Ohio, está desenvolvendo tecnologia de gêmeo digital para tornar os ambientes de trabalho mais seguros. No estado, foram registrados 76.800 acidentes de trabalho não fatais em 2023, mais da metade dos quais foram considerados severos.
Método proposto
O sistema usa câmeras para capturar os movimentos dos trabalhadores em tempo real, criando uma representação virtual chamada gêmeo digital. Esse sistema emprega abordagens avançadas de IA, incluindo modelos de ação de movimento e MotionGPT, permitindo que ele forneça feedback em tempo real sobre posturas potencialmente prejudiciais e o risco de colisões.
“Nos últimos 10 anos, tivemos um impulso da inteligência artificial e redes profundas. Agora podemos usar modelos de ação de movimento e MotionGPT para criar gêmeos digitais.”
(“In the last 10 years we have gotten a boost from artificial intelligence and deep networks. We can now use motion-action models and MotionGPT to create digital twins.”)— Manish Kumar, Professor, Universidade de Cincinnati
Resultados e impacto
O sistema gera avaliações ergonômicas diárias, permitindo que os trabalhadores entendam os riscos de lesões relacionados à repetição de movimentos, responsáveis por cerca de um terço das lesões ocupacionais nos EUA. Em uma demonstração, um estudante imitou tarefas enquanto uma representação digital de seu movimento era exibida em tempo real, destacando a precisão do sistema.
“O principal ponto é a análise ergonômica. Dados em tempo real podem ser enviados a smartwatches de forma a que os trabalhadores compreendam.”
(“The main point is ergonomic analysis. Real-time data can be sent to smartwatches in a way that workers can understand.”)— Sam Anand, Professor, Universidade de Cincinnati
Após demonstrar a eficácia do seu sistema, a equipe de pesquisa agora se concentra em desenvolver aplicações práticas. Um subsídio da Ohio Bureau of Workers’ Compensation foi concedido para apoiar a criação de um protótipo funcional.
Possíveis aplicações incluem um papel maior na redução de lesões em diversos setores e uma análise mais aprofundada dos movimentos humanos em ambientes industriais.
Fonte: (TechXplore – Machine Learning & AI)
