研究人员希望提升重构的生成式A升无颗粒度与细节丰富度。他们还计划构建无线信号领域的提统穿大型基础模型——类似语言与视觉领域的GPT、

借助这项新技术，线视学网两篇论文的觉系通讯作者Fadel Adib表示，

这克服了现有多种方法的力新关键难点，该系统利用固定雷达发射的闻科无线信号，”MIT电气工程与计算机科学系副教授、生成式A升无转载请联系授权。提统穿与某些基于摄像头的线视学网流行技术不同，且不得对内容作实质性改动；微信公众号、觉系Claude、力新后者通常需将无线传感器安装在移动机器人上以扫描环境。闻科

“我们现在所做的生成式A升无是开发生成式AI模型来解读无线反射信号。图源：MIT

这些创新可使仓库机器人在发货前核验包装物品，提统穿并利用经过特殊训练的线视学网生成式AI模型补全其缺失的形态部分。“我们正利用AI最终实现无线视觉。这些信号在空间中移动的人体表面发生反射。到能够解析反射信号并重构完整场景。

如今，从技术层面更是一次能力的质的飞跃，论文将在IEEE国际计算机视觉与模式识别会议上展示。”

未来，科学新闻杂志”的所有作品，邮箱：shouquan@stimes.cn。据MIT最新透露，研究人员正借助生成式人工智能模型，使机器人能够通过“透视”障碍物发现并操控隐藏物体。科学网、机器人可利用反射的Wi-Fi信号更精准地探测隐藏物体或理解室内场景。攻克此前限制方法精度的长期瓶颈。这不仅开启了众多有趣的新应用，Gemini等基础模型——这将开启全新的应用可能。

研究团队还引入了一套扩展系统，该方法能保护环境中人员的隐私。

相关论文信息：

https://doi.org/10.48550/arXiv.2511.14152
https://doi.org/10.48550/arXiv.2511.14019

 版权声明：凡本网注明“来源：中国科学报、提升人机交互的安全性与效率。从填补此前无法观测的空白，请在正文上方注明来源和作者，减少退货造成的浪费；亦可使智能家居机器人感知人员在房间中的位置，网站转载，这项新技术能根据反射无线信号构建隐藏物体的局部模型，利用生成式AI精准重构包含所有家具的完整室内场景。

生成式AI提升无线视觉系统穿障能力

 

麻省理工学院（MIT）研究人员花费十余年时间研究相关技术，相关研究成果发表于arXiv。这些方法利用可穿透障碍物并反射自隐藏物品的表面穿透无线信号。头条号等新媒体平台，