Cada pared es un espejo. No para la luz, obviamente, que se dispersa inútilmente en el yeso y el hormigón, sino para las ondas de radio. Sus longitudes de onda son mucho más largas que las pequeñas imperfecciones de las superficies de un edificio, que esas superficies las reflejan de forma limpia y predecible, del mismo modo que una hoja de vidrio pulido maneja la luz visible. Ingenieros de la Universidad de Pensilvania han aprovechado esa peculiaridad para construir un sistema que permite a los robots ver lo que se esconde en las esquinas.
Ésa es la promesa de HoloRadar, un sistema desarrollado en la Universidad de Pensilvania que permite a los robots reconstruir escenas tridimensionales más allá de su línea de visión directa. Presentado en la conferencia NeurIPS en diciembre de 2025, funciona en completa oscuridad y bajo iluminación variable, donde los enfoques basados en cámaras fallarían por completo.
El truco gira en torno a una propiedad contraria a la intuición de las ondas de radio. Sus longitudes de onda son mucho más largas que las de la luz visible, lo que siempre se ha considerado un inconveniente para la obtención de imágenes porque limita la resolución que se puede alcanzar. Pero Mingmin Zhao, profesor asistente de informática y ciencias de la información en Penn e investigador principal del proyecto, y su equipo se dieron cuenta de que, para ver a la vuelta de la esquina, esta supuesta debilidad es en realidad la ventaja clave. “Debido a que las ondas de radio son mucho más grandes que las pequeñas variaciones de la superficie de las paredes”, dice Haowen Lai, estudiante de doctorado en el proyecto, “esas superficies se convierten efectivamente en espejos que reflejan las señales de radio de maneras predecibles”.
Paredes, suelos, techos: todos ellos hacen rebotar señales de radio en las esquinas de una manera que el sistema puede aprovechar. La luz ordinaria se dispersa en todas direcciones cuando incide sobre una superficie rugosa, razón por la cual los intentos anteriores de obtener imágenes sin línea de visión utilizando láseres y cámaras sensibles han tenido problemas fuera de los entornos controlados de laboratorio.
“Es similar a cómo los conductores humanos a veces confían en los espejos colocados en las intersecciones ciegas”, dice Lai. “Debido a que HoloRadar utiliza ondas de radio, el entorno mismo se llena de espejos, sin tener que cambiar el entorno”. Es una clara inversión del problema habitual del radar: la baja resolución se convierte, en este contexto particular, en una especie de superpotencia.
El campo de ver a la vuelta de la esquina ha ido cobrando impulso durante más de una década. En 2012, el informático del MIT Antonio Torralba notó que en la pared de su habitación de hotel española se veía una imagen tenue e invertida del patio exterior, proyectada a través de la ventana que actuaba como una cámara estenopeica. Esa observación ayudó a lanzar una ola de investigación sobre imágenes sin línea de visión. Desde entonces, la mayor parte del trabajo se ha basado en la luz visible, analizando sombras o los débiles reflejos de los pulsos láser que rebotan en las superficies de los relés. Estos enfoques pueden producir reconstrucciones detalladas, pero tienden a necesitar equipos costosos y condiciones cuidadosamente controladas, y se desmoronan en la oscuridad o la niebla.
HoloRadar elude esas limitaciones. Utiliza un único sensor de radar de ondas milimétricas montado en un robot móvil. Se emite un pulso de radio, rebota en paredes y suelos y regresa como una maraña de reflejos superpuestos. Separar esos retornos es la parte difícil. Un solo pulso puede rebotar dos o tres veces antes de llegar al sensor, creando copias fantasmas de objetos en ubicaciones reflejadas. “En cierto sentido, el desafío es similar a entrar en una habitación llena de espejos”, dice Zitong Lan, estudiante de doctorado en ingeniería eléctrica y de sistemas que trabajó en el proyecto. “Ves muchas copias del mismo objeto reflejadas en diferentes lugares, y la parte difícil es descubrir dónde están realmente las cosas”.
Para desenredar todo esto, el equipo construyó un canal de IA de dos etapas. La primera etapa mejora los ruidosos datos del radar de baja resolución e identifica múltiples “retornos” de diferentes trayectorias de rebote, esencialmente convirtiendo el radar en una especie de LiDAR de retorno múltiple. La segunda etapa rastrea esos reflejos hacia atrás utilizando un modelo guiado por la física, deshaciendo los efectos de espejo para reconstruir dónde se ubican realmente los objetos en el espacio tridimensional.
El sistema se probó en un robot móvil que navega en entornos interiores reales. En 32 esquinas distintas en cinco edificios del campus de Penn, algunos construidos ya en 1906, HoloRadar reconstruyó con éxito corredores ocultos, paredes y sujetos humanos que se encontraban fuera de la línea de visión del robot.
Lo que distingue a esto de intentos anteriores basados en radar de percepción sin línea de visión es la parte práctica. Los sistemas anteriores requerían equipos de escaneo lentos y voluminosos. HoloRadar es móvil. Se ejecuta en tiempo real. Y no reemplaza los sensores existentes como LiDAR o cámaras; los complementa, añadiendo una capa de percepción que cubre los puntos ciegos que esas herramientas simplemente no pueden alcanzar. “HoloRadar está diseñado para funcionar en los tipos de entornos en los que realmente operan los robots”, dice Zhao.
El siguiente paso es al aire libre, donde las intersecciones y las calles urbanas plantean distancias más largas y condiciones más complicadas. Si un automóvil autónomo pudiera detectar a un peatón a punto de cruzar desde detrás de una camioneta estacionada, o un robot de reparto pudiera anticipar a un ciclista doblando la esquina de un edificio, las implicaciones de seguridad son considerables. Por supuesto, estamos muy lejos de implementar esto en el tráfico. Pero resulta que las paredes han estado transportando silenciosamente la información todo el tiempo.
Enlace del estudio: https://waves.seas.upenn.edu/projects/holoradar/
¡Ey! Aquí no hay muro de pago
Si nuestros informes lo han informado o inspirado, considere hacer una donación. Cada contribución, sin importar el tamaño, nos permite continuar brindando noticias médicas y científicas precisas, atractivas y confiables. ¡Gracias por estar con nosotros!