Dois objetos físicos sobre uma câmera. Um grafo de conhecimento temporal.
A história ecológica do território gerada em imagem e análise — em tempo real.
O reacTIVision processa o frame em preto e branco e extrai três valores por objeto: id, x,y normalizado e θ em radianos. Transmitidos via protocolo TUIO/OSC em UDP.
O ângulo de rotação de cada objeto é mapeado linearmente a um ponto no tempo. θ=0° é o presente, θ=180° é o passado configurável. Cada tag carrega sua própria data independente.
O Applied Knowledge Graph filtra nós com valid_from ≤ data AND valid_to > data para cada zona geográfica identificada pela posição XY da tag. Subgrafo determinístico — sem ambiguidade temporal.
A distância física entre as tags define o blend_weight. O prompt gerado pelo subgrafo alimenta o Stable Diffusion (síntese visual) e o LLM (análise textual). Nenhum dos dois recebe dados temporalmente conflitantes.
Objetos impressos e colados em pucks ou cartões. reacTIVision detecta ID, posição XY e ângulo de rotação em tempo real. Zero UI convencional.
Girar o objeto é viajar no tempo do território. Cada grau de rotação mapeia para uma data no histórico ambiental. Duas tags = dois estados temporais simultâneos.
Applied Knowledge Graph com nós versionados e intervalos valid_from / valid_to. Consultas pontuais determinísticas — sem ambiguidade temporal para o LLM.
O prompt é gerado automaticamente pelo subgrafo retornado. Distância física entre tags define blend. Síntese comparativa de dois estados temporais em uma imagem.
O LLM recebe apenas o subgrafo válido no tempo consultado. Nunca versões conflitantes. Princípio do paper: "o grafo garante correção, o LLM faz síntese."
Modo notebook: câmera embutida, demo solo, sidebar com dados. Modo sala: câmera IP, múltiplos participantes, projeção fullscreen, até 8 objetos simultâneos.
Sistemas de GraphRAG falham quando entregam ao LLM múltiplas versões de um mesmo dado sem filtro temporal. O LLM sintetiza versões conflitantes e produz respostas coerentes mas factualmente incorretas.
O TERRAE implementa o padrão do paper: cada consulta retorna um subgrafo com estado pontual — apenas os dados válidos na data calculada pelo ângulo da tag. O LLM recebe contexto sem ambiguidade.
Dois objetos físicos representam zonas da reserva em datas distintas. O sistema sintetiza a comparação temporal — cobertura vegetal, hidrologia, pressão antrópica — em imagem e análise LLM auditável.
Tag A representa Cláusula X em 2020. Tag B representa a mesma cláusula após emenda em 2022. O AKG retorna subgrafos determinísticos para cada data — o LLM analisa o delta sem ambiguidade.
Objetos representam bairros ou setores urbanos em diferentes anos de plano diretor. A fusão visual mostra a evolução do uso do solo. O LLM analisa conformidade com zoneamento histórico.
Cada tag é um nó do Diagrama de Influência. Posição define locus de impacto, ângulo define intensidade. Dempster-Shafer recalcula probabilidades em tempo real. Interface física para os motores formais.
Uma demo funciona com um notebook e dois pedaços de papel impressos. A mesma arquitetura escala para uma sala de situação com projeção e múltiplos analistas.