13-jarige won $25.000 voor AI-valdetectieapparaat om ouderen te helpen

Terwijl velen tieners gebruiken AI Om zichzelf te helpen met huiswerk en sociale contacten, gebruikt Kevin Tang, 13, het om anderen te helpen.

“Een paar jaar geleden viel mijn oma helaas in mijn keuken, en niemand merkte het meteen”, vertelde Tang aan Business Insider. Tegen de tijd dat zijn familie haar vond en 911 belde, “was het nog steeds te laat, omdat ze permanente hersenbeschadiging opliep.”

Later hoorde hij dat die van zijn vriend was grootouder was ook gevallen, en dat de familie er pas de volgende dag achter was gekomen omdat ze in een andere staat woonden.

Daarna voelde Tang zich genoodzaakt een manier te vinden om niet alleen zijn familie en vrienden te helpen, maar ook de miljoenen van de ouderen die jaarlijks vallen.

Zijn project, ValGuardleverde hem de eerste prijs op tijdens de 2025 3M Young Scientist Challenge en een geldprijs van $ 25.000, die hij naar eigen zeggen al gedeeltelijk heeft geherinvesteerd in het verbeteren en laten groeien van het project.

Hoe Tangs bekroonde AI-project werkt

Tang begon in de zomer van 2024 aan Fallguard te werken. Sindsdien heeft hij het gebouwd en ontwikkeld tot een apparaat dat AI gebruikt om in realtime te detecteren wanneer een persoon valt en via de FallGuard mobiele app onmiddellijk een waarschuwing naar de telefoons van de familieleden van de persoon stuurt. Het kan ook detecteren wanneer een persoon gedurende langere tijd heeft gelegen.

“Dit systeem is niet afhankelijk van een mobiele provider en brengt geen berichtkosten met zich mee”, schreef Tang in een vervolgmail. “Eén FallGuard-apparaat kan aan meerdere telefoons worden gekoppeld, zodat meerdere zorgverleners tegelijkertijd waarschuwingen kunnen ontvangen.”

In tegenstelling tot draagbare apparaten die je moet onthouden om op te laden en aan te trekken, werkt FallGuard via een camera die op een computer is aangesloten. “Je kunt de camera gewoon aan de muur hangen, en hij werkt altijd”, zei Tang, en voegde er later aan toe: “Er wordt geen video opgenomen of geüpload, wat de privacy helpt beschermen.”

Een aantal beperkingen zijn dat een persoon binnen het gezichtsveld van de camera moet vallen. Bovendien moet de camera worden aangesloten op een computer met het FallGuard-model, die slechts één camera tegelijk kan ondersteunen. Tang zei dat hij eraan werkt om het systeem uit te breiden, zodat één apparaat meerdere camera’s kan ondersteunen die overal in huis kunnen worden geplaatst. “Op die manier hoef je dus niet meerdere computers te hebben”, zei hij.

Tang heeft FallGuard gebouwd met MediaPipe, een Door Google ontwikkelde AI bibliotheek, die een persoon op het scherm in kaart kan brengen door belangrijke punten op zijn lichaam te plaatsen. Met een tweetraps valdetectie-algoritme dat Tang heeft ontwikkeld, analyseert FallGuard houding en beweging in de loop van de tijd. Het doet dit via een veelgebruikt hulpmiddel in computer vision-modellen, de zogenaamde bounding boxen, die kunnen volgen hoe de lichaamsverhoudingen van een persoon veranderen van staand naar liggend, zei Tang.

Als de AI een neerleggebeurtenis detecteert, kijkt hij naar de voorgaande seconde om te controleren of de snelheid van de persoon plotseling is gedaald, waardoor een val kan worden onderscheiden van iemand die opzettelijk ligt.

Er zijn nog steeds een paar problemen die Tang moet oplossen om de betrouwbaarheid van FallGuard te verbeteren, zei hij.

Het verbeteren van de levenskwaliteit van mensen

Tijdens de 3M uitdaging voor jonge wetenschapperswerd Tang gekoppeld aan Mark Gilbertson, een robotica- en AI-specialist bij 3M, die hem bij het project begeleidde.

Terwijl Kevin al het programmeren en ontwerpen zelf deed, zei Gilbertson dat hij hielp met vragen als hoe Tang zijn apparaat aan de muur moest bevestigen en welk materiaal hij moest gebruiken.

Vanaf het begin zei Gilbertson dat Kevins persoonlijkheid en project hem opvielen. “Ik vond het leuk dat zijn project een emotionele band met zijn leven had”, vertelde Gilbertson aan BI.

Toen Tang de prijs won, was hij opgewonden dat het nieuws meer mensen zou waarschuwen voor FallGuard die er gebruik van konden maken, zei Gilberston.

Tang zei dat hij tot nu toe interesse heeft ontvangen van ongeveer 500 gezinnen. “Wat mij opviel was dat deze man heel hard zijn best deed om voor zijn vrouw te zorgen, maar hij was doof, zodat hij zijn vrouw niet zou horen vallen,” zei Gilbertson, eraan toevoegend dat de man opmerkte: “Deze uitvinding zal ons leven en onze levenskwaliteit echt veranderen.”

Een van de dingen waarvoor Tang het prijzengeld gebruikte, was de aanschaf van een MacBook om de software te coderen FallGuard-app voor computerszodat mensen hun eigen computer kunnen ombouwen tot een FallGuard-apparaat. Het werkt met de meeste gewone computers, zei hij.

Op de vraag waar hij het meest trots op is, zei Tang niet de prijs, de titel of de media-aandacht. In plaats daarvan wees hij terug naar het apparaat zelf, dat achter hem aan de muur hing.

“Ik ben erg trots op de mate waarin mijn project vanaf het begin is geëvolueerd”, zei hij. Van een statief en camera tot een gemonteerd apparaat en een app die iedereen kan downloaden: elk model is verbeterd ten opzichte van het voorgaande. “Ik bleef gewoon werken totdat ik een eindproduct had.”