加利福尼亚的一个研究团队提出了一项创新技术,利用环境Wi-Fi信号来监测人体心率。这项名为Pulse-Fi的新方法为现有心率监测方法提供了显著优势:成本低廉、易于部署,并且无需用户佩戴任何设备。
加州大学圣克鲁兹分校教授Katia Obraczka领导了Pulse-Fi的开发工作。她指出,包括心率在内的生命体征的连续跟踪有助于发现压力、脱水、心脏病和其他疾病等健康问题。"但使用可穿戴设备监测生命体征可能会让人感到不舒服,依从性较差,而且由于成本问题,可及性有限。"
目前基于摄像头的方法是一种无需可穿戴设备进行远程、非接触式心率跟踪的选择。然而,这些方法在光线条件不佳时可能受到影响,还可能引发隐私担忧。
为了寻找更好的解决方案,Obraczka与她实验室的博士后学生Nayan Sanjay Bhatia和高中实习生Pranay Kocheta共同创建了Pulse-Fi。"Pulse-Fi使用普通的Wi-Fi信号来监测心跳,无需接触身体。它能够捕捉由心跳引起的Wi-Fi信号波的微小变化。"
具体来说,研究团队设计Pulse-Fi来过滤背景噪声,检测由心跳引起的信号振幅变化。他们开发了一个AI模型,能够在简单的计算设备(如树莓派)上运行,读取过滤后的信号并实时估算心率。
研究团队在两个不同的实验中测试了他们的方法,相关研究发表在2025年8月举办的智能系统和物联网分布式计算国际会议上。
首先,研究人员让七名志愿者坐在椅子上,分别距离两个ESP32微控制器1米、2米和3米的位置,使用Pulse-Fi估算志愿者的心率,并与脉搏血氧仪测量的心率数据进行比较。在第二个实验中,使用树莓派设备上的Pulse-Fi监测了100多名参与者在不同姿势下的心率,包括步行、原地跑步、坐下和站起。
结果显示,该系统的性能与其他参考传感器相当,Pulse-Fi每分钟少于1.5次的误差率与其他生命体征监测技术相比表现良好。无论人员的姿势(如坐着或走路)或与记录设备的距离(最远10英尺),Pulse-Fi都保持了足够的准确性。基于这些结果,Obraczka表示团队计划成立公司将该技术商业化。
Obraczka补充说,Pulse-Fi可以在其底层AI模型未曾训练过的新环境中工作。"该模型在新环境中表现出良好的泛化能力,表明它不仅仅是在记忆,而是真正学习了可以转移到新情况的模式。"
Obraczka还指出,运行Pulse-Fi的设备价格实惠,ESP32芯片成本约为5至10美元,树莓派约30美元。
目前,研究人员只在房间内单个用户身上测试了Pulse-Fi。团队现在开始试验同时针对多个用户的方法。"除了在多用户环境中工作外,我们还在探索Pulse-Fi在健康和医疗保健方面的其他应用。"Obraczka说,并举例提到了睡眠呼吸暂停和呼吸频率。
Q&A
Q1:Pulse-Fi是什么?它是如何工作的?
A:Pulse-Fi是一种利用Wi-Fi信号监测心率的技术,由加州大学圣克鲁兹分校开发。它通过捕捉由心跳引起的Wi-Fi信号波微小变化来工作,使用AI模型过滤背景噪声并实时估算心率,无需佩戴任何设备。
Q2:Pulse-Fi的准确性如何?
A:测试结果显示Pulse-Fi每分钟误差少于1.5次,性能与其他参考传感器相当。无论用户的姿势(坐着或走路)或与设备的距离(最远10英尺),都能保持足够的准确性,与其他生命体征监测技术相比表现良好。
Q3:这项技术有什么优势和应用前景?
A:Pulse-Fi具有成本低廉、易于部署、非接触式的优势,避免了可穿戴设备的不适感和隐私担忧。运行设备价格实惠,ESP32芯片仅需5-10美元。未来可应用于睡眠呼吸暂停监测、呼吸频率检测等健康医疗领域,研究团队计划将其商业化。
好文章,需要你的鼓励
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。