MIT 연구진이 무선 비전 분야에서 획기적인 기술을 선보이며, 로봇이 벽 뒤에 숨겨진 물체나 잔해 아래의 사물을 인식할 수 있는 길을 열었다. 현대 Wi-Fi에서 주로 사용되는 고주파인 mmWave 신호와 생성형 AI를 결합함으로써, 연구팀은 신호 반사가 가진 물리적 한계를 극복하는 데 성공했다. 특히 이 기술은 가시광선이 닿지 않는 곳에서도 정밀한 탐지가 가능하다는 점에서 큰 주목을 받고 있다.

기존의 무선 센싱 방식에서는 신호가 표면에 부딪힐 때 거울처럼 한 방향으로만 튕겨 나가는 Specularity 현상 때문에 데이터에 큰 공백이 생기는 문제가 있었다. 이를 해결하기 위해 연구진은 생성형 모델을 활용해 3D 형상의 누락된 부분을 예측하고 정교하게 채워넣는 Wave-Former 시스템을 구축했다. 특히 대규모 무선 데이터셋이 부족한 한계를 극복하고자, 기존 시각 데이터셋을 변형하여 라디오파 반사의 불완전한 특성을 시뮬레이션하는 영리한 학습 방식을 채택했다.

연구진은 개별 물체를 넘어 실내 전체를 매핑하는 RISE 시스템도 함께 공개했다. 이 시스템은 실내에서 움직이는 사람에게 반사되어 돌아오는 신호를 추적해 공간의 구조를 파악하는 원리로 작동한다. 그동안 통신 간섭으로 간주되어 버려졌던 이른바 '유령 신호'를 역이용해 전체 실내 장면을 복원해낸 것이다. 그 결과, 카메라이 없이도 사생활을 보호하며 스마트 홈을 관리하거나, 물류 로봇이 밀봉된 박스를 열지 않고도 내부 내용물을 확인하는 등 다양한 산업 분야에서 혁신을 일으킬 것으로 기대된다.

MIT 연구진이 무선 비전 분야에서 획기적인 기술을 선보이며, 로봇이 벽 뒤에 숨겨진 물체나 잔해 아래의 사물을 인식할 수 있는 길을 열었다. 현대 Wi-Fi에서 주로 사용되는 고주파인 mmWave 신호와 생성형 AI를 결합함으로써, 연구팀은 신호 반사가 가진 물리적 한계를 극복하는 데 성공했다. 특히 이 기술은 가시광선이 닿지 않는 곳에서도 정밀한 탐지가 가능하다는 점에서 큰 주목을 받고 있다.

기존의 무선 센싱 방식에서는 신호가 표면에 부딪힐 때 거울처럼 한 방향으로만 튕겨 나가는 Specularity 현상 때문에 데이터에 큰 공백이 생기는 문제가 있었다. 이를 해결하기 위해 연구진은 생성형 모델을 활용해 3D 형상의 누락된 부분을 예측하고 정교하게 채워넣는 Wave-Former 시스템을 구축했다. 특히 대규모 무선 데이터셋이 부족한 한계를 극복하고자, 기존 시각 데이터셋을 변형하여 라디오파 반사의 불완전한 특성을 시뮬레이션하는 영리한 학습 방식을 채택했다.

연구진은 개별 물체를 넘어 실내 전체를 매핑하는 RISE 시스템도 함께 공개했다. 이 시스템은 실내에서 움직이는 사람에게 반사되어 돌아오는 신호를 추적해 공간의 구조를 파악하는 원리로 작동한다. 그동안 통신 간섭으로 간주되어 버려졌던 이른바 '유령 신호'를 역이용해 전체 실내 장면을 복원해낸 것이다. 그 결과, 카메라이 없이도 사생활을 보호하며 스마트 홈을 관리하거나, 물류 로봇이 밀봉된 박스를 열지 않고도 내부 내용물을 확인하는 등 다양한 산업 분야에서 혁신을 일으킬 것으로 기대된다.