A equipe de MIT avan\u00e7a em vis\u00e3o sem fio usando IA generativa para enxergar objetos ocultos por obst\u00e1culos. A t\u00e9cnica aproveita sinais sem fio que refletem em itens escondidos, permitindo reconstru\u00e7\u00f5es de forma mais precisa. O objetivo \u00e9 ajudar rob\u00f4s a detectar objetos e interpretar cenas sem expor privacidade.<\/p>\n
O estudo utiliza modelos de IA para preencher lacunas em reconstru\u00e7\u00f5es parciais obtidas a partir das reflex\u00f5es de sinais mmWave, semelhantes aos usados no Wi\u2011Fi. Com isso, o sistema consegue projetar formas completas de objetos que est\u00e3o fora de vista.<\/p>\n
Outra linha envolve um sistema expandido que mapeia uma sala inteira, incluindo m\u00f3veis. O m\u00e9todo usa um radar estacion\u00e1rio que envia sinais que refletem n\u00e3o apenas em objetos, mas tamb\u00e9m em humanos em movimento, gerando informa\u00e7\u00f5es sobre o ambiente.<\/p>\n
A inova\u00e7\u00e3o supera a limita\u00e7\u00e3o de abordagens anteriores que exigiam sensores m\u00f3veis em rob\u00f4s para varreduras. Al\u00e9m disso,, diferentemente de t\u00e9cnicas baseadas em c\u00e2meras, a solu\u00e7\u00e3o preserva a privacidade das pessoas presentes no espa\u00e7o.<\/p>\n
Esses avan\u00e7os podem, por exemplo, permitir que rob\u00f4s de armaz\u00e9m verifiquem itens embalados antes do envio, reduzindo desperd\u00edcios com devolu\u00e7\u00f5es. Em resid\u00eancias, rob\u00f4s podem entender a localiza\u00e7\u00e3o de pessoas, melhorando a seguran\u00e7a e a intera\u00e7\u00e3o humano\u2011rob\u00f4.<\/p>\n
O grupo de Adib j\u00e1 demonstrou, anteriormente, que sinais de mmWave podem reconstruir objetos ocultos com boa precis\u00e3o, mesmo quando protegidos por materiais comuns. A nova abordagem usa IA para preencher partes ausentes e interpretar reflex\u00f5es complexas.<\/p>\n
Para treinar os modelos, pesquisadores recorreram a dados de vis\u00e3o computacional adaptados para simular propriedades de reflex\u00e3o de mmWave, incluindo a especularidade e o ru\u00eddo. Com isso, criaram um conjunto sint\u00e9tico para ensinar a IA a completar formas.<\/p>\n
O sistema completo, batizado Wave-Former, sugere superf\u00edcies de objetos, gera reconstru\u00e7\u00f5es com a IA e refina os contornos at\u00e9 obter a forma final. Em testes, o Wave-Former atingiu precis\u00e3o pr\u00f3xima de 70 itens di\u00e1rios, com ganho de quase 20% frente bases atuais.<\/p>\n
Um segundo conjunto de experimentos deu origem ao sistema de reconstru\u00e7\u00e3o de cen\u00e1rios internos, chamado RISE, que usa reflex\u00f5es de mmWave provocadas por pessoas em movimento. Em mais de 100 trajet\u00f3rias humanas, o RISE produziu reconstru\u00e7\u00f5es cerca de duas vezes mais precisas que as t\u00e9cnicas existentes.<\/p>\n
Os pesquisadores pretendem, no futuro, detailar ainda mais as reconstru\u00e7\u00f5es e desenvolver modelos de base para sinais sem fio, similar aos grandes modelos de linguagem. O trabalho \u00e9 apoiado pela NSF, pelo MIT Media Lab e pela Amazon.<\/p>\n","protected":false},"excerpt":{"rendered":"