El laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del Instituto de Tecnología de Massachusetts (MIT) ha desarrollado una nueva alfombra de detección táctil, capaz de calcular las poses humanas sin usar cámaras. El objetivo de esta alfombra es mejorar la atención médica personalizada, las viviendas inteligentes, e incluso, los juegos.
El sistema del equipo de CSAIL utilizó una cámara, con el fin de generar el conjunto de datos con el que se entrenó el sistema, capturando solo el movimiento de la persona cuando realizaba la actividad.
Para crear una pose 3D, una persona debe subirse a la alfombra para realizar una acción. Posteriormente, la red neuronal profunda del equipo, aplicando solo la información útil, determina si la persona estaba haciendo abdominales, estiramientos u otra acción.
Con un bajo costo y escalable, la alfombra está fabricada a partir de una película comercial sensible a la presión, hilos conductores y más de 9.000 sensores, que abarcan 36 sensores por 0,60 metros.
Cada uno de los sensores de la alfombra convierte la presión del ser humano en una señal eléctrica, a través del contacto físico entre los pies, las extremidades, el torso y la alfombra. El sistema se entrenó específicamente con datos táctiles y visuales sincronizados, como un vídeo y el mapa de calor correspondiente de alguien que hace una flexión.
Precisión de la alfombra de detección táctil
El modelo toma la pose extraída de los datos visuales como la verdad básica, usa los datos táctiles como entrada y finalmente genera la pose humana en 3D. Asimismo, el modelo pudo predecir la pose de una persona con un margen de error de menos de 10 centímetros. Para clasificar acciones específicas, el sistema fue preciso en el 97% de las veces.
Dado que gran parte de las distribuciones de presión fueron provocadas por el movimiento de la parte inferior del cuerpo y el torso, esa información fue más precisa que los datos de la parte superior del cuerpo. Además, el modelo no pudo predecir poses sin un contacto más explícito con el suelo, como piernas que flotan libremente durante los abdominales o un torso torcido mientras está de pie.
Según Yiyue Luo, investigador de CSAIL, este modelo puede habilitarse para un sistema de monitorización de salud, para detectar caídas, monitorizar los ejercicios de rehabilitación o movilidad, entre otras funciones.
Si bien el sistema puede comprender a una sola persona, los científicos, en el futuro, quieren mejorar las métricas para múltiples usuarios, donde dos personas pueden estar bailando o abrazándose en la alfombra. También esperan obtener más información de las señales tácticas, como la altura o el peso de una persona.
