{"id":14322,"date":"2021-07-08T02:00:01","date_gmt":"2021-07-08T02:00:01","guid":{"rendered":"https:\/\/domosistemas.com\/?p=14322"},"modified":"2021-07-08T02:00:01","modified_gmt":"2021-07-08T02:00:01","slug":"el-mit-desarrolla-una-alfombra-de-deteccion-tactil-capaz-de-calcular-las-poses-humanas-sin-utilizar-camaras","status":"publish","type":"post","link":"https:\/\/domosistemas.com\/?p=14322","title":{"rendered":"El MIT desarrolla una alfombra de detecci\u00f3n t\u00e1ctil capaz de calcular las poses humanas sin utilizar c\u00e1maras"},"content":{"rendered":"
\n

El laboratorio de Ciencias de la Computaci\u00f3n e Inteligencia Artificial (CSAIL) del Instituto de Tecnolog\u00eda de Massachusetts (MIT<\/a>) ha desarrollado una nueva alfombra de detecci\u00f3n t\u00e1ctil, capaz de calcular las poses humanas sin usar c\u00e1maras. El objetivo de esta alfombra es mejorar la atenci\u00f3n m\u00e9dica personalizada, las viviendas inteligentes, e incluso, los juegos.<\/p>\n

\"Alfombra
La alfombra de detecci\u00f3n t\u00e1ctil puede generar una pose en 3D, gracias a una red neuronal profunda y a los m\u00e1s de 9.000 sensores integrados.<\/figcaption><\/figure>\n

El sistema del equipo de CSAIL utiliz\u00f3 una c\u00e1mara, con el fin de generar el conjunto de datos con el que se entren\u00f3 el sistema, capturando solo el movimiento de la persona cuando realizaba la actividad.<\/p>\n

Para crear una pose 3D, una persona debe subirse a la alfombra para realizar una acci\u00f3n. Posteriormente, la red neuronal profunda del equipo, aplicando solo la informaci\u00f3n \u00fatil, determina si la persona estaba haciendo abdominales, estiramientos u otra acci\u00f3n.<\/p>\n

Con un bajo costo y escalable, la alfombra est\u00e1 fabricada a partir de una pel\u00edcula comercial sensible a la presi\u00f3n, hilos conductores y m\u00e1s de 9.000 sensores, que abarcan 36 sensores por 0,60 metros.<\/p>\n

Cada uno de los sensores de la alfombra convierte la presi\u00f3n del ser humano en una se\u00f1al el\u00e9ctrica, a trav\u00e9s del contacto f\u00edsico entre los pies, las extremidades, el torso y la alfombra. El sistema se entren\u00f3 espec\u00edficamente con datos t\u00e1ctiles y visuales sincronizados, como un v\u00eddeo y el mapa de calor correspondiente de alguien que hace una flexi\u00f3n.<\/p>\n

Precisi\u00f3n de la alfombra de detecci\u00f3n t\u00e1ctil<\/h2>\n

El modelo toma la pose extra\u00edda de los datos visuales como la verdad b\u00e1sica, usa los datos t\u00e1ctiles 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 cent\u00edmetros. Para clasificar acciones espec\u00edficas, el sistema fue preciso en el 97% de las veces.<\/p>\n

\n
\n