人工智能通過墻壁感知人 這是真的嗎

X射線視覺長期以來似乎是一個牽強附會的科幻幻想，但在過去十年中，由麻省理工學院計算機科學與人工智能實驗室(CSAIL)的Dina Katabi教授領導的團隊不斷讓我們更接近透過墻壁看到。

他們的最新項目“ RF-Pose ”使用人工智能(AI)來教授無線設備，以感知人們的姿勢和動作，甚至是從墻的另一側。

研究人員使用神經網絡分析從人體反彈的無線電信號，然后可以創(chuàng)建一個動態(tài)的棒狀圖形，當人們執(zhí)行這些動作時，它會走動，停止，坐下并移動四肢。

該團隊表示，RF-Pose可用于監(jiān)測帕金森氏癥，多發(fā)性硬化癥(MS)和肌肉萎縮癥等疾病，從而更好地了解疾病進展，并允許醫(yī)生相應地調整藥物。它還可以幫助老年人更加獨立地生活，同時為跌倒，受傷和活動模式的變化提供額外的安全監(jiān)控。該團隊目前正與醫(yī)生合作探索RF-Pose在醫(yī)療保健方面的應用。

團隊收集的所有數據都經過主體同意，并且是匿名和加密的，以保護用戶隱私。對于未來的實際應用程序，他們計劃實施“同意機制”，其中安裝設備的人員需要進行一組特定的移動，以便開始監(jiān)控環(huán)境。

“我們已經看到，監(jiān)測患者的步行速度和自己做基本活動的能力，為醫(yī)療保健提供者提供了他們以前從未有過的生活窗口，這對于各種疾病都是有意義的，” Katabi，共同撰寫了一篇關于該項目的新論文。“我們的方法的一個關鍵優(yōu)勢是患者不必佩戴傳感器或記得給他們的設備充電。”

除了醫(yī)療保健外，該團隊表示，RF-Pose還可用于新型視頻游戲，玩家可以在家中移動，甚至可以在搜索和救援任務中幫助找到幸存者。

Katabi與博士生和主要作者Mingmin Zhao，麻省理工學院教授Antonio Torralba，博士后Mohammad Abu Alsheikh，研究生Tianhong Li以及博士生Yonglong Tian和Hang Zhao共同撰寫了新論文。他們將于本月晚些時候在猶他州鹽湖城舉行的計算機視覺與模式識別會議(CVPR)上發(fā)表演講。

研究人員必須解決的一個挑戰(zhàn)是，大多數神經網絡都是使用手工標記的數據進行訓練的。例如，訓練識別貓的神經網絡要求人們查看大圖像數據集，并將每個圖像標記為“貓”或“非貓”。同時，無線電信號不容易被人類標記。

為了解決這個問題，研究人員使用他們的無線設備和相機收集了一些例子。他們收集了成千上萬的人們做的事情，比如走路，說話，坐著，打開門，等待電梯。

然后，他們使用來自相機的這些圖像來提取棒圖，它們與相應的無線電信號一起顯示給神經網絡。這種示例組合使得系統(tǒng)能夠學習無線電信號與場景中人物的簡筆畫之間的關聯。

在訓練后，RF-Pose能夠僅使用從人體反彈的無線反射來估計一個人沒有攝像頭的姿勢和動作。

由于攝像機無法通過墻壁看到，網絡從未明確地對墻壁另一側的數據進行過培訓 - 這使麻省理工學院團隊特別感到驚訝的是，網絡可以概括其知識，以便能夠處理 - 墻體運動。

“如果你把計算機視覺系統(tǒng)看作是老師，這是一個非常有趣的例子，表明學生的表現優(yōu)于老師，”托拉爾巴說。

除了感知運動外，作者還表明，他們可以使用無線信號在一百個人的陣容中準確識別出83%的時間。這種能力對于搜索和救援行動的應用特別有用，因為它可能有助于了解特定人員的身份。

對于本文，該模型輸出了二維棒圖，但該團隊還致力于創(chuàng)建能夠反映更小微動的三維表示。例如，它可能能夠看到老年人的手是否經常搖晃以至于他們可能想要進行檢查。

“通過使用視覺數據和人工智能的這種組合來透視墻壁，我們可以實現更好的場景理解和更智能的環(huán)境，讓他們過上更安全，更富有成效的生活，”趙說。