長期以來，用X射線穿透墻壁看到對面的人，似乎都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（MIT）計算機科學與實驗室（CSAIL）的Dina KatABI教授領導的研究小組讓我們不斷接近這種“透過墻壁看人”的場景。

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，即使隔著墻壁也能看到并重現(xiàn)人們的動作姿勢。 研究人員使用神經(jīng)網(wǎng)絡來分析從人體反彈的無線電信號，然后創(chuàng)建一個動態(tài)火柴人圖，可以隨著人類的動作而同步執(zhí)行走路、停止、坐下和移動四肢等動作。

該團隊表示，該系統(tǒng)可用于監(jiān)測帕金森病和多發(fā)性硬化癥（MS）等疾病，從而提供對病情發(fā)展的更好理解，讓醫(yī)生能根據(jù)情況調整用藥。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。這種方法的關鍵優(yōu)勢是患者不必佩戴，也不需要總是給自己的設備充電。

除了醫(yī)療保健外，該團隊還表示RF-Pose還可用于新型視頻游戲，其中玩家可在房間周圍移動。當然也可以用于搜救任務，以幫助搜救人員快速找到幸存者。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，這樣的無線技術能夠為未來的家庭提供動力。

目前研究人員面臨的挑戰(zhàn)主要是大多數(shù)神經(jīng)網(wǎng)絡都是通過手工標記數(shù)據(jù)的方式進行。比如訓練一套可以識別貓的神經(jīng)網(wǎng)絡系統(tǒng)需要查看大量的圖片，并且為每張圖片標記“是貓”或者“不是貓”。但無線電信號卻無法輕易的被人類標記。

為了解決這個問題，研究人員利用無線設備與照相機收集了一些例子，包括成千上萬張照片，并且照片中的人在進行不同的活動，比如走路、說話、坐立、開門、等電梯等。然后，他們使用這些圖像提取人形圖像，并將其顯示給神經(jīng)網(wǎng)以及對應的無線電信號。這種互相結合的例子使RF-Pose系統(tǒng)可以更好的了解無線電信號與所識別目標之間的聯(lián)系。 訓練結束后，RF-Pose可以在沒有攝像機的情況下預估目標人物的姿勢和動作，并且只接收從人體反射回來的無線電信號。

由于無法穿透墻壁，所以神經(jīng)網(wǎng)絡不會對沒有墻壁的數(shù)據(jù)進行訓練。讓研究團隊感到非常意外的是，該神經(jīng)網(wǎng)絡可以自主學習，并且識別整個墻面背后的動作。除了感知移動之外，研究團隊還表示該系統(tǒng)利用無線信號的識別特定人員的準確率達到了83％。這種能力對于搜救行動非常有用，可以幫助搜救人員了解特定人群的身份。

目前該模型只能輸出2D的人形圖，團隊正在努力希望未來可以輸出能夠更準確的反映細小動作的3D人形圖。例如，可以檢測老年人的手臂是否經(jīng)常搖晃，從而判斷是否需要進行進一步的檢查。通過視覺數(shù)據(jù)和人工智能的結合，我們可以更好的理解周圍的環(huán)境，讓生活變得更安全、更有效率。