阿v视频在线观看免费播放-阿v天堂2017-啊用力嗯快国产在线观看-爱爱99-爱爱爱久久久久久久-爱爱爱免费视频

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人們的動作姿勢。 研究人員使用神經網絡來分析從人體反彈的無線電信號，然后創建一個動態火柴人圖，可以隨著人類的動作而同步執行走路、停止、坐下和移動四肢等動作。

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

　　除了醫療保健外，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主要是大多數神經網絡都是通過手工標記數據的方式進行。比如訓練一套可以識別貓的神經網絡系統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，并將其顯示給神經網以及對應的無線電信號。這種互相結合的例子使RF-Pose系統可以更好的了解無線電信號與所識別目標之間的聯系。 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。

　　由于攝像頭無法穿透墻壁，所以神經網絡不會對沒有墻壁的數據進行訓練。讓研究團隊感到非常意外的是，該神經網絡可以自主學習，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常搖晃，從而判斷是否需要進行進一步的檢查。通過視覺數據和人工智能的結合，我們可以更好的理解周圍的環境，讓生活變得更安全、更有效率。