El nuevo método de radar Wi-Fi del MIT permite a los robots ver a través de paredes y localizar herramientas ocultas en cajones profundos.
Una nueva tecnología desarrollada por el MIT permite que los robots puedan "ver" objetos dentro de cajas selladas.
Investigadores del MIT han presentado una innovadora técnica denominada mmNorm, la cual utiliza señales de ondas milimétricas, emitiendo en el mismo rango de frecuencia que el Wi-Fi, para reconstruir objetos tridimensionales ocultos con una precisión notable. Este avance podría ofrecer a la inteligencia artificial nuevas formas de percibir entornos donde la visibilidad está comprometida, como dentro de cajones desordenados o tras paredes.
Fadel Adib, autor principal del estudio y director del grupo de Signal Kinetics en MIT, expresó que el equipo había estado investigando esta problemática durante un tiempo, pero enfrentaron limitaciones debido a que las técnicas anteriores, aunque matemáticamente elegantes, no conducían a soluciones efectivas. Las metodologías previas se basaban en la retroproyección, que a menudo resultaba en imágenes de baja resolución y fracasaba al aplicarse a objetos pequeños y ocultos, como utensilios.
El equipo de investigación identificó que el error radicaba en no considerar una propiedad física conocida como especularidad, que describe cómo las reflexiones de las ondas milimétricas se comportan como imágenes espejo. En lugar de limitarse a medir los lugares de donde regresan las señales, mmNorm busca inferir la dirección de la superficie involucrada en la reflexión.
“Al basarnos en la especularidad, nuestra idea es tratar de estimar no solo la ubicación de una reflexión en el entorno, sino también la dirección de la superficie en ese punto”, afirmó Laura Dodds, coautora del trabajo. Al combinar múltiples estimaciones desde diferentes posiciones de antenas, el sistema puede reconstruir la curvatura tridimensional de un objeto, diferenciando entre formas sutiles, como el asa de una taza o la distinción entre un cuchillo y una cuchara dentro de una caja.
Cada antena capta las reflexiones con diferentes intensidades según la orientación del objeto oculto. Algunas antenas pueden tener una señal muy fuerte, mientras que otras pueden ser más débiles, y el sistema combina todas estas "votaciones" para obtener una normal de superficie consensuada entre todas las ubicaciones de antena. Esta nueva metodología logró una precisión de reconstrucción del 96% en más de 60 objetos, superando a los métodos existentes que alcanzaban solo un 78%.
El sistema demostró un buen desempeño con objetos de materiales como madera, plástico, vidrio y goma, aunque todavía presenta desafíos con metales densos o barreras gruesas. A medida que los investigadores buscan mejorar la resolución y la sensibilidad a los materiales, las posibles aplicaciones se están ampliando. En contextos de seguridad o militares, mmNorm podría permitir reconstruir la forma de elementos ocultos sin necesidad de abrir bolsas o cajas, una capacidad que podría ser crucial para robots impulsados por inteligencia artificial en la automatización de almacenes, rescates o incluso en entornos de asistencia.
