in

Un nuevo sistema del MIT permite «ver» a la vuelta de las esquinas

Cámaras, reflejos y algoritmos trabajan en conjunto

Determinar la presencia de un objeto fuera de la línea visual y anticipar su movimiento son dos factores críticos para muchos sistemas, comenzando con los coches autónomos. Una cámara tradicional sufre las mismas restricciones que nuestros ojos, pero la plataforma CornerCameras desarrollada por el CSAIL en el MIT puede obtener información sobre qué se esconde a la vuelta de una esquina, utilizando como referencia a los reflejos de luz en el suelo.

Imaginemos una cámara con la capacidad de ver a la vuelta de una esquina. Pensemos sobre su potencial en zonas de riesgo, situaciones de emergencia, o entornos que en un futuro podrían ser cosa de todos los días, como por ejemplo calles llenas de coches que se conducen solos. La idea no es precisamente nueva que digamos. En el año 2012, el MIT desarrolló una cámara equipada con tecnología láser que podía reconstruir un objeto disparando pulsos y usando los muros como superficies de rebote. Las últimas novedades nos llevan de regreso al prestigioso instituto, esta vez gracias a los esfuerzos del CSAIL (Computer Science and Artificial Intelligence Laboratory), pero su flamante creación no depende de rayos láser, sino de algo mucho más sutil.

Su nombre oficial es CornerCameras, y se trata de un sistema que combina el registro de las cámaras con un robusto algoritmo. Supongamos que te estás acercando a una esquina que bloquea un par de objetos a los que no puedes ver. Dichos objetos reflejan una muy pequeña cantidad de luz en el suelo dentro de tu línea visual, generando una tenue penumbra. Al obtener un vídeo de esa penumbra, CornerCameras crea una composición de imágenes unidimensionales que revelan datos sobre los objetos escondidos. Si se encuentran en movimiento, el sistema ayuda a establecer detalles que incluyen posición, velocidad relativa, y el momento en que un objeto pasa frente al otro.

De más está decirlo, CornerCameras enfrenta docenas de desafíos. Ausencia total de luz, cambios bruscos en la iluminación, y hasta la lluvia presentan dificultades. Los próximos estudios buscarán desarrollar soluciones específicas para cada caso, mientras que las primeras evaluaciones se harán con una silla de ruedas. Si el resultado es positivo, su plan es adaptar el sistema a otros vehículos.

Reportar

¿Qué te pareció?

Escrito por Lisandro Pardo

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Teachable Machine: Experimenta con el aprendizaje de máquinas de Google

Aire: Un guardia volador para vigilar tu hogar