物联网的一个肮脏的小秘密就是部署成本。例如，在交通灯上安装一个低成本的运动传感器和无线电装置，以便在车辆离开工厂前对过往车辆进行计数，这既简单又便宜。部署的增量成本接近于零，特别是在低功率广域网(LPWAN)覆盖或其他低成本通信覆盖可用的情况下。但是，在交通灯上安装传感器和无线电设备将使市政当局损失一辆公共工程车、一名工作人员、一名电工和一名交通警察。改造是昂贵的。
为物联网改造世界是一项数据科学和传感器工程任务，研究物联网问题并找到获取数据的最简单方法。对于数据科学家来说，问题是什么最小数据分辨率将提供所需的结果:每个单位面积需要多少个传感器以及每个时间间隔需要多少个读数才能解决问题?工程师必须权衡传感器成本、无线电成本和网络可用性，以及功耗与可用电源之间的关系。
一个成功的团队,绕过,在现实几乎这家网站麻省理工学院媒体实验室的赞助完全避免了传感器部署的成本。他们使用背景声音来给视障人士以及视障人士和听障人士提供准确的导航，通过识别声音并向用户报告地点的位置，比如咖啡馆、邮局、自动取款机等，巧妙地避免用蓝牙信标改装大面积区域。ARound应用程序使用了谷歌ARCore，融合了声音、相机和地理位置数据。因为几乎每个人都有智能手机，所以不需要部署成本。用户需求由视障团队成员Sunish Gupta定义和测试。
ARound app的3种模式:
发现模式:当用户行走时，GPS数据结合ARCore camera基于机器学习的物体识别技术，感知周围环境，记录下用户路径上的物体和位置的声音。声音被定位到一个区域，这意味着声音被标记到这个位置。
面包屑路径模式:当用户沿着一条路径行走时，周围会产生一连串的声音——空调声、开门关门声、咖啡馆谈话声等等——这样就可以通过跟踪音频屑来跟踪路径。获取了geo-fenced声音之后，当用户接近目标或所感兴趣的地方时，声音就会播放，当用户接近所感兴趣的地方时，声音的音量就会增加。这些声音被固定在现实世界中，准确地追踪使用者的位置。
ARCore将声音进行三维空间化。听起来会有不同的表现，这取决于听者对声音的位置和方向。ARCore 3D声音机器学习模型真实地重建声音以匹配用户的位置。听力受损的人可以通过触觉装置的振动“听到”声音，例如时刻，甚至是手机的振动。
共享模式:音频文件库中的声音可以通过web应用程序链接到位置，类似于将照片发布到谷歌地图上的位置。这将在地图上创建一个当用户接近该位置时触发的声音pin。使用声针，可以设置视障人士的会议地点。在会议地点放置一个音频文件，设置视障人士可以访问的位置。还有一个类似于用户添加到谷歌地图的照片的社会乘数。存储地理位置和声音的存储库可以创建用于导航和其他目的的高分辨率声音景观。
ARound开发团队希望将这个最小可行性产品(MVP)变成一个全面的平台，用于不同类型的用户，而不仅仅是视障人士，用于导航和未受损的人使用获得的声音景观进行有趣的日常体验。该平台将使用谷歌ARCore和/或Apple ARKit，这两种基于机器学习的开发工具，使用增强声音进行空间方向。这个团队——Anandana Kapur, Dhara Bhavsar, Sunish Gupta, Vedant Sarant和Maxym Nesmashny(bios)-希望该项目获得开源贡献者的支持。对辅助技术感兴趣的贡献者可以找到项目在GitHub上。
与开发人员讨论的一些未来开发想法包括添加一个机器学习模型来识别和分类声音。就像机器学习可以对图像中的人和物进行分类一样，机器学习模型可以识别和分类声音所代表的对象和位置。众包geo-fenced声音是另一个。想要贡献geo-fenced声音的人可以在他们的手机上运行一个后台应用程序来收集它们，就像向the搜寻地外文明计划寻找外星智慧生命的计划。
物联网增强现实和机器学习这两个领域有着千丝万缕的联系，很可能会成为子领域。我认为他们是离散的领域，直到我参加了AR in Action峰会去年1月。这是一个由来自外科和建筑学等广泛领域的从业者和研究人员以及多学科小组进行的TED会议式的简短演讲的消防站。
在峰会之前，我把物联网归类为无处不在的传感器网络，AR归类为全息耳机，机器学习归类为自然语言处理和图像识别。在会议结束时，显然这些是密切相关的工具。任何提供上下文的机器都会增强现实。它可以是一个全息耳机，将3D虚拟物体投射到现实中，但它也可以是一个能对环境做出反应的触觉带，或者是一个类似于Around的应用，使用物联网、机器学习和增强现实技术。
物联网的定义应该变得更窄更广。总有一天，万物联网将会到来，但前提是每件产品都要配备传感器，以满足对派生环境的视觉需求和对物理世界每一点的理解。如果没有数十亿的卡车轧辊，这一愿景是不可能实现的，因为它在经济上是不可行的。在物联网改造的这个阶段，聪明地避免卡车滚动，以最小化或完全消除改造世界的传感器将提供推导的背景和对大多数物理世界的理解。