Científicos del prestigioso Instituto de Tecnología de Massachusetts (MIT) han desarrollado una revolucionaria tecnología de imagen que tiene el potencial de cambiar fundamentalmente la forma en que percibimos el mundo físico que nos rodea. Su innovador sistema, llamado mmNorm, permite la reconstrucción tridimensional precisa de objetos ocultos detrás de obstáculos como cajas de cartón, contenedores de plástico o incluso paredes interiores. Esta capacidad, que recuerda a la visión de rayos X de la ciencia ficción, abre la puerta a increíbles aplicaciones en robótica, control de calidad, seguridad y realidad aumentada.

Una revolución en la visión de lo invisible

Imagine un robot en un almacén que puede "echar un vistazo" dentro de un paquete sellado y determinar, antes de abrirlo, si el frágil contenido, como una taza de cerámica, se ha dañado durante el transporte. Precisamente este escenario es posible gracias a un nuevo enfoque que utiliza ondas milimétricas (mmWave). Se trata del mismo tipo de señal que se utiliza en algunos sistemas Wi-Fi avanzados, y cuya característica clave es la capacidad de penetrar materiales comunes que son opacos para el ojo humano y las cámaras ópticas. El equipo de investigación del MIT, ubicado en la ciudad de Cambridge, Massachusetts, ha desarrollado un método que no solo detecta objetos ocultos, sino que también reconstruye su forma 3D completa con una precisión excepcional.

El sistema mmNorm recoge las ondas milimétricas reflejadas y las envía a un sofisticado algoritmo que estima la geometría exacta de la superficie del objeto oculto a partir de estos datos. En pruebas realizadas con una amplia gama de objetos cotidianos de formas complejas y curvas —desde cubiertos hasta un taladro eléctrico—, la nueva técnica alcanzó una precisión del 96 por ciento en la reconstrucción. En comparación, los métodos existentes más avanzados solo alcanzaron una precisión del 78 por ciento en las mismas condiciones, lo que indica un salto enorme en el rendimiento.

Superando las limitaciones del radar tradicional

Las técnicas de radar clásicas, que se han utilizado durante décadas para detectar objetos lejanos u ocultos como aviones en las nubes, se basan en un método conocido como retroproyección. Aunque es eficaz para objetos grandes, la resolución de estas imágenes es demasiado tosca para discernir los detalles finos de los objetos más pequeños, lo cual es crucial para las aplicaciones de la robótica moderna. Fadel Adib, profesor asociado en el Departamento de Ingeniería Eléctrica e Informática y director del grupo Signal Kinetics en el MIT Media Lab, señala que los métodos anteriores habían llegado a un punto muerto. "Era necesario idear una forma completamente diferente de utilizar estas señales para desbloquear nuevos tipos de aplicaciones", afirma Adib, quien dirigió la investigación junto con Laura Dodds, Tara Boroushaki y Kaicheng Zhou.

El equipo del MIT se dio cuenta de que las técnicas existentes ignoran una propiedad clave conocida como especularidad. Cuando las ondas milimétricas inciden en una superficie, esta se comporta casi como un espejo, creando reflejos especulares (similares a los de un espejo). Si una parte de la superficie está orientada hacia la antena del radar, la señal rebotará y será recibida. Sin embargo, si la superficie está girada, el reflejo viajará en otra dirección y se perderá para el sensor. "Basándonos en la especularidad, nuestra idea es estimar no solo la ubicación del reflejo en el entorno, sino también la orientación de la superficie en ese punto", explica Laura Dodds, autora principal del estudio.

¿Cómo funciona mmNorm?

En el corazón de la tecnología mmNorm se encuentra la capacidad de estimar la llamada "normal de la superficie", que es esencialmente un vector que indica la dirección de la superficie en un punto específico del espacio. Combinando las estimaciones de las normales de todos los puntos desde los que se reflejó la señal, el sistema utiliza una formulación matemática avanzada para reconstruir la forma 3D completa del objeto.

El prototipo del sistema consiste en un radar acoplado a un brazo robótico. Mientras el brazo se mueve por el espacio donde se encuentra el objeto oculto, el radar realiza mediciones continuamente. El sistema compara la intensidad de las señales recibidas en diferentes posiciones para estimar la curvatura de la superficie. Por ejemplo, la antena recibirá el reflejo más fuerte de la parte de la superficie que está orientada directamente hacia ella, y señales más débiles de las partes que están en ángulo. Como el radar tiene varias antenas, cada una de ellas "vota" sobre la dirección de la normal de la superficie basándose en la intensidad de la señal que ha recibido. "Algunas antenas pueden tener un voto muy fuerte, otras uno muy débil, y combinamos todos los votos para obtener una única normal de superficie en la que todas las ubicaciones de las antenas están de acuerdo", añade Dodds. Este proceso da como resultado una nube de puntos con normales asociadas, a partir de la cual se genera la reconstrucción 3D final y detallada, utilizando técnicas tomadas de los gráficos por ordenador.

Amplia gama de aplicaciones y potencial futuro

Además de lograr un error de reconstrucción significativamente menor (alrededor de un 40 por ciento menos que los enfoques existentes), mmNorm también puede distinguir con precisión entre múltiples objetos ocultos juntos, como un tenedor, un cuchillo y una cuchara en la misma caja. La tecnología ha demostrado ser eficaz en objetos hechos de diversos materiales, como madera, metal, plástico, caucho y vidrio. La única limitación actual son los objetos ocultos detrás de gruesas barreras metálicas o paredes muy gruesas.

Las posibles aplicaciones son enormes y variadas:

• Industria y logística: Los robots equipados con esta tecnología pueden distinguir herramientas en una caja, determinar con precisión la forma y la posición del mango de un martillo y cogerlo de forma segura. En los almacenes, se puede realizar un control de calidad automatizado sin abrir los paquetes.


• Realidad aumentada (RA): Un trabajador de una fábrica o un obrero de la construcción podría usar gafas de RA que le mostraran en tiempo real imágenes fieles de objetos completamente ocultos, como tuberías o cableado eléctrico dentro de una pared, antes de empezar a taladrar.


• Seguridad y defensa: La tecnología podría integrarse en las aplicaciones de seguridad existentes, como los escáneres de los aeropuertos, permitiendo reconstrucciones más precisas de los objetos ocultos. También tiene potencial en el reconocimiento militar.


• Asistencia en el hogar: En el futuro, podría utilizarse en sistemas de ayuda a personas mayores, ayudando a localizar objetos que se pierden con frecuencia.

Tara Boroushaki, una de las investigadoras, subraya que los resultados cualitativos hablan por sí mismos y que "la magnitud de la mejora facilita el desarrollo de aplicaciones que utilizan estas reconstrucciones 3D de alta resolución para nuevas tareas". El equipo planea seguir trabajando en la mejora de la resolución, el aumento de la eficiencia con objetos menos reflectantes y la posibilidad de obtener imágenes a través de obstáculos aún más gruesos. "Este trabajo representa realmente un cambio de paradigma en la forma en que pensamos sobre estas señales y el proceso de reconstrucción 3D", concluye Dodds, insinuando un futuro emocionante en el que el mundo invisible se hará visible.

Fuente: Massachusetts Institute of Technology