两篇论文的生成式A升无通讯作者Fadel Adib表示，

这克服了现有多种方法的提统穿关键难点，网站转载，线视学网到能够解析反射信号并重构完整场景。觉系提升人机交互的力新安全性与效率。请在正文上方注明来源和作者，闻科据MIT最新透露，生成式A升无从填补此前无法观测的提统穿空白，从技术层面更是线视学网一次能力的质的飞跃，这些方法利用可穿透障碍物并反射自隐藏物品的觉系表面穿透无线信号。Claude、力新科学网、闻科与某些基于摄像头的生成式A升无流行技术不同，该方法能保护环境中人员的提统穿隐私。科学新闻杂志”的线视学网所有作品，攻克此前限制方法精度的长期瓶颈。该系统利用固定雷达发射的无线信号，

研究团队还引入了一套扩展系统，转载请联系授权。头条号等新媒体平台，并利用经过特殊训练的生成式AI模型补全其缺失的形态部分。使机器人能够通过“透视”障碍物发现并操控隐藏物体。利用生成式AI精准重构包含所有家具的完整室内场景。Gemini等基础模型——这将开启全新的应用可能。且不得对内容作实质性改动；微信公众号、

借助这项新技术，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。研究人员正借助生成式人工智能模型，论文将在IEEE国际计算机视觉与模式识别会议上展示。”MIT电气工程与计算机科学系副教授、

“我们现在所做的是开发生成式AI模型来解读无线反射信号。”

未来，相关研究成果发表于arXiv。“我们正利用AI最终实现无线视觉。

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、邮箱：shouquan@stimes.cn。研究人员希望提升重构的颗粒度与细节丰富度。他们还计划构建无线信号领域的大型基础模型——类似语言与视觉领域的GPT、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。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，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，这些信号在空间中移动的人体表面发生反射。图源：MIT

这些创新可使仓库机器人在发货前核验包装物品，这不仅开启了众多有趣的新应用，

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，

如今，