La visione a raggi X è sembrata a lungo una fantasia fantascientifica inverosimile, ma nell'ultimo decennio un team guidato dalla professoressa Dina Katabi del Computer Science and Artificial Intelligence Laboratory (CSAIL) del MIT ci ha avvicinato continuamente al vedere attraverso i muri.

Il loro ultimo progetto, "Posizione RF, " utilizza l'intelligenza artificiale (AI) per insegnare ai dispositivi wireless a rilevare la postura e il movimento delle persone, anche dall'altra parte di un muro.

I ricercatori utilizzano una rete neurale per analizzare i segnali radio che rimbalzano sui corpi delle persone, e può quindi creare una figura stilizzata dinamica che cammina, fermate, si siede e muove i suoi arti mentre la persona esegue quelle azioni.

Il team afferma che il sistema potrebbe essere utilizzato per monitorare malattie come il Parkinson e la sclerosi multipla (SM), fornendo una migliore comprensione della progressione della malattia e consentendo ai medici di adeguare i farmaci di conseguenza. Potrebbe anche aiutare le persone anziane a vivere in modo più indipendente, fornendo al contempo la sicurezza aggiuntiva del monitoraggio delle cadute, lesioni e cambiamenti nei modelli di attività.

(Tutti i dati raccolti dal team hanno il consenso dei soggetti e sono anonimi e crittografati per proteggere la privacy degli utenti. Per future applicazioni del mondo reale, il team prevede di implementare un "meccanismo di consenso" in cui la persona che installa il dispositivo è invitata a eseguire una serie specifica di movimenti affinché inizi a monitorare l'ambiente.)

Il team sta attualmente lavorando con i medici per esplorare molteplici applicazioni nel settore sanitario.

"Abbiamo visto che monitorare la velocità di camminata dei pazienti e la capacità di svolgere le attività di base da soli offre agli operatori sanitari una finestra sulla loro vita che prima non avevano, che potrebbe essere significativo per un'intera gamma di malattie, "dice Katabi, che ha co-scritto un nuovo documento sul progetto. "Un vantaggio chiave del nostro approccio è che i pazienti non devono indossare sensori o ricordarsi di caricare i propri dispositivi".

Oltre alla sanità, il team afferma che RF-Pose potrebbe essere utilizzato anche per nuove classi di videogiochi in cui i giocatori si muovono per casa, o anche in missioni di ricerca e salvataggio per aiutare a localizzare i sopravvissuti.

"Proprio come i telefoni cellulari e i router Wi-Fi sono diventati parti essenziali delle famiglie di oggi, Credo che tecnologie wireless come queste aiuteranno ad alimentare le case del futuro, "dice Katabi, che ha co-scritto il nuovo documento con Ph.D. studente e autore principale Mingmin Zhao, Professore del MIT Antonio Torralba, postdoc Mohammad Abu Alsheikh, studente laureato Tianhong Li e Ph.D. studenti Yonglong Tian e Hang Zhao. Lo presenteranno alla fine di questo mese alla Conferenza su Computer Vision and Pattern Recognition (CVPR) a Salt Lake City, Utah.

Una sfida che i ricercatori hanno dovuto affrontare è che la maggior parte delle reti neurali viene addestrata utilizzando dati etichettati a mano. Una rete neurale addestrata per identificare i gatti, Per esempio, richiede che le persone guardino un grande set di dati di immagini ed etichettino ciascuna come "gatto" o "non gatto". Segnali radio, nel frattempo, non possono essere facilmente etichettati dagli umani.

Per affrontare questo, i ricercatori hanno raccolto esempi utilizzando sia il loro dispositivo wireless che una fotocamera. Hanno raccolto migliaia di immagini di persone che svolgono attività come camminare, parlando, seduta, aprendo le porte e aspettando gli ascensori.

Hanno quindi usato queste immagini dalla fotocamera per estrarre le figure stilizzate, che hanno mostrato alla rete neurale insieme al segnale radio corrispondente. Questa combinazione di esempi ha permesso al sistema di apprendere l'associazione tra il segnale radio e le figure stilizzate delle persone nella scena.

Post allenamento, RF-Pose è stato in grado di stimare la postura e i movimenti di una persona senza telecamere, utilizzando solo i riflessi wireless che rimbalzano sui corpi delle persone.

Poiché le telecamere non possono vedere attraverso i muri, la rete non è mai stata addestrata in modo esplicito sui dati dall'altra parte di un muro, il che ha reso particolarmente sorprendente per il team del MIT che la rete potesse generalizzare le sue conoscenze per essere in grado di gestire il movimento attraverso il muro.

"Se pensi al sistema di visione artificiale come all'insegnante, questo è un esempio davvero affascinante dello studente che supera l'insegnante, "dice Torralba.

Oltre a percepire il movimento, gli autori hanno anche dimostrato di poter utilizzare i segnali wireless per identificare con precisione qualcuno l'83 percento delle volte su una fila di 100 individui. Questa capacità potrebbe essere particolarmente utile per l'applicazione di operazioni di ricerca e salvataggio, quando può essere utile conoscere l'identità di persone specifiche.

Per questa carta, il modello emette una figura stilizzata 2-D, ma il team sta anche lavorando per creare rappresentazioni 3D in grado di riflettere micromovimenti ancora più piccoli. Per esempio, potrebbe essere in grado di vedere se le mani di una persona anziana tremano abbastanza regolarmente da richiedere un controllo.

"Utilizzando questa combinazione di dati visivi e intelligenza artificiale per vedere attraverso i muri, possiamo consentire una migliore comprensione della scena e ambienti più intelligenti per vivere in modo più sicuro, vite più produttive, "dice Zhao.