El mmNorm reconstruye formas ocultas complejas usando frecuencias de Wi-Fi sin tocar el objeto
Los robots ya pueden ver dentro de cajones desordenados gracias a señales reflejadas de antenas cercanas.
La técnica del MIT superó la precisión del radar actual en un 18% tras probar más de 60 objetos.
En entornos con poca visibilidad, como dentro de cajas, detrás de paredes o bajo otros objetos, la Inteligencia Artificial podría pronto tener una nueva forma de avanzar.
Investigadores del MIT desarrollaron una técnica llamada mmNorm, que usa señales de ondas milimétricas (el mismo rango que el Wi-Fi) para recrear objetos 3D ocultos con sorprendente exactitud.
"Llevamos tiempo interesados en este problema, pero nos encontrábamos con un muro porque métodos anteriores, aunque matemáticamente elegantes, no nos llevaban a donde necesitábamos", dijo Fadel Adib, autor principal del estudio y director del grupo Signal Kinetics en el MIT.
Tal vez te interese
Superando las limitaciones del radar
Técnicas previas dependían de retroproyección, lo que genera imágenes de baja resolución y falla con objetos pequeños u obstruidos, como herramientas o cubiertos.
El problema está en ignorar una propiedad física llamada specularidad: cómo los reflejos de ondas milimétricas actúan como imágenes en un espejo.
En lugar de solo medir de dónde rebotan las señales, mmNorm calcula la dirección de la superficie, llamada normal de superficie.
"Usando la specularidad, intentamos estimar no solo la ubicación del reflejo, sino también la dirección de la superficie en ese punto", explicó Laura Dodds, autora principal.
Al combinar muchas estimaciones desde distintas posiciones de antenas, el sistema recrea la curvatura 3D del objeto, distinguiendo detalles como el asa de una taza o diferencias entre un cuchillo y una cuchara dentro de una caja.
Cada antena capta reflejos de diferente intensidad según la orientación del objeto oculto.
*”Algunas antenas dan un voto fuerte, otras débil, y combinamos todos para obtener una normal de superficie consensuada”*, añadió Dodds.
Este método logró un 96% de precisión en más de 60 objetos, superando técnicas existentes que solo alcanzaron el 78%.
Funcionó bien con objetos de madera, plástico, vidrio y goma, pero aún tiene dificultades con metales densos o barreras gruesas.
Mientras se mejora la resolución y sensibilidad a materiales, los usos potenciales crecen: desde escaneo de seguridad hasta robots en almacenes, rescates o asistencia a personas mayores.
Via Techxplore
También podría interesarte