X射線視覺長期以來似乎是一種遙不可及的科幻幻想，但在過去的十年中，麻省理工學院計算機科學與人工智能實驗室（CSAIL）的Dina Katabi教授領導的研究小組不斷讓我們更加接近透視牆壁。
他們的最新項目“RF-Pose”使用人工智能（AI）教導無線設備感知人們的姿勢和動作，即使是從牆壁的另一端。
研究人員使用神經網絡來分析無線電信號，從人體上反彈出來，然後創建一個動態棒圖，當人們執行這些操作時，它會走路，停止，坐下並移動其四肢。
該團隊表示，該系統可用於監測帕金森病和多發性硬化症（MS）等疾病，從而更好地瞭解疾病進展，並允許醫生相應調整藥物。它還可以幫助老年人更獨立地生活，同時為跌倒，受傷和活動模式變化提供更多的安全保障。
（團隊收集的所有數據都經過了科目的同意，並且是匿名化和加密的，以保護用戶的隱私。對於未來的真實世界的應用，團隊計劃實施一種“同意機制”，安裝設備的人被引導去做具體的一系列動作，以便開始監測環境。）
該團隊目前正在與醫生合作探索醫療領域的多種應用。
“我們已經看到，監控病人的步行速度和自己做基本活動的能力為醫療保健提供者提供了一個他們以前從未有過的生活的窗口，這對於一系列疾病可能是有意義的，”Katabi說。他共同撰寫了關於該項目的新文件。“我們方法的一個關鍵優勢是患者不必佩戴傳感器或記住給他們的設備充電”。
除了醫療保健外，該團隊還表示RF-Pose還可用於玩家在房屋周圍移動的新類視頻遊戲，甚至可用於搜索和救援任務以幫助定位倖存者。
“就像手機和Wi-Fi路由器已成為當今家庭的重要組成部分一樣，我相信像這樣的無線技術將有助於為未來的家庭提供動力”Katabi說，他與博士生共同撰寫了這篇新論文，作家趙明敏，麻省理工學院教授安東尼奧托拉爾巴，博士後穆罕默德阿布阿爾謝赫，研究生李天紅和博士生田永龍和趙航。他們將在本月晚些時候在猶他州鹽湖城的計算機視覺和模式識別（CVPR）會議上發佈。
研究人員必須解決的一個挑戰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圖像的大數據集，並將每個圖像標記為“貓”或“不是貓”。與此同時，無線電信號不容易被人類標記。
為了解決這個問題，研究人員收集了使用無線設備和相機的例子。他們收集了成千上萬的人們進行行走，談話，坐著，打開門和等待電梯等活動的圖像。
然後，他們使用這些來自相機的圖像來提取他們向神經網絡顯示的棒形圖以及相應的無線電信號。這些例子的組合使得系統能夠學習無線電信號和場景中人物的棒圖之間的關聯。
訓練結束後，RF-Pose能夠在沒有攝像頭的情況下評估一個人的姿勢和動作，只使用反射人體的無線反射。
由於攝像機無法透過牆壁看到，網絡從來沒有接受過來自牆壁另一側的數據的明確培訓 - 這讓麻省理工學院團隊特別驚訝，網絡可以將其知識概括為能夠通過處理牆壁運動。
“如果你認為計算機視覺系統是老師，這是一個真正令人著迷的例子，學生的表現超過了老師”Torralba說。
除了感知移動之外，作者還表示，他們可以使用無線信號，在100個人的陣容中83％的時間內準確地識別出某人。這種能力對於搜索和救援行動的應用可能特別有用，因為它可能有助於瞭解特定人員的身份。
在本文中，該模型輸出一個二維棒圖，但該團隊也在努力創建能夠反映更小微動的3-D表示。例如，它可能能夠看到一個老年人的手是否經常搖晃，以至於他們可能想要接受檢查。
“通過使用這種可視化數據和人工智能的組合來觀察牆壁，我們可以讓更好的場景理解和更智能的環境更安全，更有效地生活”趙先生說。
閱讀更多 TechSmart 的文章
