麻省理工计算机科学与人工智能实验室的无线智能家居系统可以帮助监测疾病，让老年人“在有归属的地方成长”（老年人可以更独立地生活）。
拥有像X射线一样看到的能力长期以来似乎是科幻小说中的超能力，但在过去的十年里，由麻省理工学院计算机科学与人工智能实验室（CSAIL）Dina Katabi教授领导的团队，正在继续开发“ “穿墙”技术。
他们的最新项目“RF-Pose”正在使用人工智能训练无线设备来感知人体姿势和运动。
该技术甚至可以透过墙壁看到另一边发生的事情。
研究人员利用神经网络分析人体反射的无线电波，然后生成简化的动态骨骼结构图（简笔画），显示行走、停止、坐着和移动四肢的动作。
该团队表示，“RF-Pose”项目的技术可用于监测帕金森病、多发性硬化症和肌肉萎缩症等疾病，为医生提供更多信息以开出适当的药物。
该技术还将通过监测跌倒、受伤和运动模式的变化来帮助老年人更加独立地生活。
他们现在正与医生合作，探索“RF-Pose”在医疗领域的应用。
AI+无线设备甚至可以透过墙壁看透你！该团队收集的所有数据均经过受试者同意并进行匿名和加密，以保护隐私。
在未来的应用方面，他们计划实施一种“许可机制”：受试者通过执行一系列动作来发起对设备的监控。
论文合著者卡塔比表示：“我们发现，通过监测患者的步行速度和基本活动，医生可以获取一些有意义的信息，从而从新的角度治疗疾病。
我们方法的主要优点是患者不需要需要佩戴或调整任何设备来实现隐形监控。
”除了医疗和健康领域的应用外，该团队表示该项目还可以用于需要玩家在整个房子里移动的视频游戏，或者需要寻找幸存者的搜索和救援任务。
该论文的作者还包括博士生赵明敏（第一作者）、Antonio Torralba教授、硕士生李天红、博士后Mohammad Abu Alsheikh、博士生田永龙、博士生赵航。
他们将于本月晚些时候在犹他州盐湖城举行的计算机视觉和模式识别会议（CVPR）上展示研究结果。
该项目对研究人员来说最大的挑战是大多数神经网络需要人工注释的数据集来训练。
以识别猫的神经网络为例，它需要人们找到一个庞大的图像数据库，并将图像标记为“猫”和“不是猫”。
此外，手动标记项目中使用的无线信号并不容易。
为了解决这个问题，研究人员使用无线设备和摄像头来收集数据。
他们拍摄了数千张人类活动的照片，例如行走、说话、坐着、开门和等待电梯。
然后，他们从这些相机拍摄的照片中提取出不同姿势的简单人体骨骼（简笔画，用于表示人体姿势），并将其映射到无线信号。
这种组合使系统能够学习无线信号和场景中的简笔画之间的相关性。
经过训练，“RF-Pose”可以通过人体反射的无线信号来估计人体姿势和运动，而不是依赖照片。
由于相机无法看穿墙壁，因此神经网络从未使用隔墙场景的数据进行训练。
然而，令麻省理工学院团队惊讶的是，这个神经网络能够通过从一个例子到另一个例子进行推论来实现“墙透视”预测。
Torralba 说：“如果你把计算机视觉系统视为老师，这个例子真的很有趣，因为学生的无线信号观测系统实际上比老师更好。
”除了检测运动之外，作者还演示了如何使用无线信号来识别身份。
技术。
他们通过观察无线信号来识别一群人，识别准确率达到了83%。
这项技术对于需要识别特定人员的搜索和救援行动非常有帮助。
在本文中，模型的输出是二维简笔画骨架图。
但该团队正在将其扩展到三个维度以监测较小的运动。
例如，该系统将能够通过观察老年人手部的运动模式来确定是否需要进行健康检查。
赵明敏表示：“通过视觉数据与AI结合实现穿墙观察，通过视觉数据与AI结合实现穿墙观察，我们可以更好地了解生活场景，提供一个让生活更安全、更安全的环境。
”更高效。