AI技術識別人的動作，用人物線條畫顯示牆壁另一面人的動作（右側是實驗員趙明民）。
長期以來，X光視覺一直被認為是隻存在於科幻小說裡的幻想，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教授領導的研究小組正在讓穿牆透視技術越來越接近現實。據每日科學網6月12日報道，他們的最新項目“RF-Pose”使用了人工智能（AI）來訓練無線設備感知人們的姿勢和動作，甚至能透過牆壁進行觀察。趙明民博士、麻省理工學院教授Antonio Torralba等人與Katabi共同完成了這篇論文。他們這個月將在猶他州鹽湖城舉行的計算機視覺和模式識別會議（CVPR）上進行展示。
大多數神經網絡都是用手工標記的數據進行訓練的，而無線電信號卻不易被人工標記。對此，研究人員利用他們的無線設備和攝像機收集了成千上萬張人們做各種活動時的圖片，比如走路、說話、坐著、開門、等電梯。然後，他們從這些圖片中提取出人物線條畫，並將其與相應的無線電信號一起展示給神經網絡。這種組合使系統能夠了解到無線電信號和現場人物線條畫之間的聯繫。
訓練結束後，RF-Pose能夠在沒有攝像頭的情況下只使用從人體反射回來的無線反射去識別一個人的姿勢和動作。由於攝像頭無法穿透牆壁，該網絡從未接受過識別牆另一側數據的培訓——這也讓麻省理工學院的團隊覺得特別驚訝，這個神經網絡竟然能夠自動擴展到可以識別穿透牆壁的運動。
該研究小組稱，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情況，便於醫生據此調整藥物。 同時，除了醫療保健之外，RF-Pose還可以用於視頻遊戲的新類別，玩家可以在家中走動，甚至可以在搜索和救援任務中幫助定位倖存者。除了感知運動之外，利用無線信號對個人的精確識別率也高達83%，這種能力對於在搜救行動方面的應用特別有用。
“通過將視覺數據和人工智能結合起來，我們可以更智能地生活在更安全、更高效的環境中。”趙明民博士說。
閱讀更多 科技工作者 的文章
