La visión de rayos X ha parecido durante mucho tiempo una fantasía de ciencia ficción inverosímil, pero durante la última década, un equipo dirigido por la profesora Dina Katabi del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT (CSAIL) nos ha acercado continuamente a ver a través de las paredes.

Su último proyecto, "RF-Pose, "utiliza inteligencia artificial (IA) para enseñar a los dispositivos inalámbricos a detectar las posturas y el movimiento de las personas, incluso desde el otro lado de una pared.

Los investigadores utilizan una red neuronal para analizar las señales de radio que rebotan en los cuerpos de las personas. y luego puede crear una figura de palo dinámica que camina, se detiene, se sienta y mueve sus extremidades mientras la persona realiza esas acciones.

El equipo dice que el sistema podría usarse para monitorear enfermedades como el Parkinson y la esclerosis múltiple (EM), proporcionando una mejor comprensión de la progresión de la enfermedad y permitiendo a los médicos ajustar los medicamentos en consecuencia. También podría ayudar a las personas mayores a vivir de forma más independiente, al tiempo que brinda la seguridad adicional de monitorear caídas, lesiones y cambios en los patrones de actividad.

(Todos los datos que el equipo recopiló tienen el consentimiento de los sujetos y están anonimizados y encriptados para proteger la privacidad del usuario. Para futuras aplicaciones del mundo real, el equipo planea implementar un "mecanismo de consentimiento" en el que se indica a la persona que instala el dispositivo que realice un conjunto específico de movimientos para que comience a monitorear el entorno).

El equipo está trabajando actualmente con médicos para explorar múltiples aplicaciones en el cuidado de la salud.

"Hemos visto que monitorear la velocidad al caminar de los pacientes y su capacidad para realizar actividades básicas por sí mismos les brinda a los proveedores de atención médica una ventana a sus vidas que no tenían antes, que podría ser significativo para una amplia gama de enfermedades, "dice Katabi, quien coescribió un nuevo artículo sobre el proyecto. "Una ventaja clave de nuestro enfoque es que los pacientes no tienen que usar sensores ni recordar cargar sus dispositivos".

Además de la asistencia sanitaria, el equipo dice que RF-Pose también podría usarse para nuevas clases de videojuegos donde los jugadores se mueven por la casa, o incluso en misiones de búsqueda y rescate para ayudar a localizar a los supervivientes.

"Al igual que los teléfonos móviles y los enrutadores Wi-Fi se han convertido en partes esenciales de los hogares de hoy, Creo que las tecnologías inalámbricas como estas ayudarán a impulsar los hogares del futuro, "dice Katabi, quien coescribió el nuevo artículo con Ph.D. estudiante y autor principal Mingmin Zhao, El profesor del MIT Antonio Torralba, postdoctorado Mohammad Abu Alsheikh, estudiante de posgrado Tianhong Li y Ph.D. estudiantes Yonglong Tian y Hang Zhao. Lo presentarán a finales de este mes en la Conferencia sobre Visión por Computador y Reconocimiento de Patrones (CVPR) en Salt Lake City, Utah.

Un desafío que los investigadores tuvieron que abordar es que la mayoría de las redes neuronales se entrenan con datos etiquetados a mano. Una red neuronal entrenada para identificar gatos, por ejemplo, requiere que las personas miren un gran conjunto de datos de imágenes y etiqueten cada una como "gato" o "no gato". Señales de radio, mientras tanto, no puede ser etiquetado fácilmente por humanos.

Para abordar esto, los investigadores recopilaron ejemplos utilizando tanto su dispositivo inalámbrico como una cámara. Reunieron miles de imágenes de personas realizando actividades como caminar, hablando, sentado, abriendo puertas y esperando ascensores.

Luego usaron estas imágenes de la cámara para extraer las figuras de palo, que mostraron a la red neuronal junto con la señal de radio correspondiente. Esta combinación de ejemplos permitió al sistema aprender la asociación entre la señal de radio y las figuras de palitos de las personas en la escena.

Post entrenamiento, RF-Pose pudo estimar la postura y los movimientos de una persona sin cámaras, utilizando solo los reflejos inalámbricos que rebotan en los cuerpos de las personas.

Dado que las cámaras no pueden ver a través de las paredes, la red nunca se entrenó explícitamente con datos del otro lado de una pared, lo que hizo que al equipo del MIT le sorprendiera particularmente que la red pudiera generalizar su conocimiento para poder manejar el movimiento a través de la pared.

"Si piensa en el sistema de visión por computadora como el maestro, este es un ejemplo verdaderamente fascinante del estudiante superando al maestro, "dice Torralba.

Además de sentir el movimiento, los autores también demostraron que podían usar señales inalámbricas para identificar con precisión a alguien el 83 por ciento del tiempo de una lista de 100 personas. Esta capacidad podría ser particularmente útil para la aplicación de operaciones de búsqueda y rescate, cuando puede ser útil conocer la identidad de personas específicas.

Para este papel, el modelo genera una figura de palo 2-D, pero el equipo también está trabajando para crear representaciones tridimensionales que puedan reflejar micromovimientos aún más pequeños. Por ejemplo, Es posible que pueda ver si las manos de una persona mayor tiemblan con la suficiente regularidad como para querer hacerse un chequeo.

"Al utilizar esta combinación de datos visuales e inteligencia artificial para ver a través de las paredes, podemos permitir una mejor comprensión de la escena y entornos más inteligentes para vivir de manera más segura, vidas más productivas, "dice Zhao.