Collecter des données du monde réel pour l’IA physique présente un défi de confidentialité facile à négliger. Un téléphone peut capturer un entrepôt ou une rue en détail, mais que se passe-t-il lorsque des personnes ou des plaques d’immatriculation entrent dans le cadre ? C’est ce qui rend l’approche de @vangrid_io intéressante. Le processus de capture est conçu pour détecter les visages et les plaques sur l’appareil et les flouter avant que la vidéo ne soit encodée. Selon la documentation, les images originales non floutées ne quittent jamais le téléphone, et les acheteurs reçoivent le modèle 3D reconstitué plutôt que les séquences sources. Cela signifie que la protection de la confidentialité est intégrée au processus de collecte, au lieu d’être entièrement confiée à une étape de nettoyage côté serveur. Pour l’IA physique, cela pourrait faciliter la collecte de vues au sol utiles des endroits que les robots doivent comprendre, sans exposer inutilement des détails identifiables. Mais la mise en œuvre compte autant que l’idée. Les visages peuvent entrer soudainement dans le champ de la caméra, et un filtre de confidentialité doit gérer ces moments de manière fiable tout au long de l’enregistrement. Un détail qui me fascine toujours est ce qui se passe quand quelqu’un entre dans le cadre à mi-chemin d’une capture. Le système embarqué détecte-t-il et floute-t-il de manière cohérente ces personnes avant que les séquences ne soient soumises, y compris lors de mouvements soudains ou dans des conditions d’éclairage difficiles ? C’est une question importante, car la protection de la confidentialité doit fonctionner tout au long de la capture, et pas seulement dans des conditions idéales. @quipnetwork