Resumen Técnico: Un Marco de Gemelo Digital Informado por la Física para la Estimación de la Ocupación de Radar FMCW Calibrada Sim-to-Real

Planteamiento del Problema

El desarrollo de modelos de percepción de radar robustos directamente a partir de mediciones del mundo real es inherentemente costoso y laborioso. Requiere experimentos controlados, calibraciones repetidas y una extensa anotación manual. Si bien los simuladores de alta fidelidad basados en resolvedores electromagnéticos de onda completa o de trazado de rayos (ray-tracing) ofrecen una alternativa escalable para generar datos sintéticos etiquetados, persiste una brecha significativa de "sim-to-real" (de la simulación a la realidad). Los enfoques existentes suelen depender de herramientas electromagnéticas propietarias, barridos extensos de parámetros o modelos generativos complejos (por ejemplo, GANs) que requieren un ajuste de conocimiento de dominio específico. Este artículo aborda el desafío de transferir eficientemente modelos de radar FMCW (onda continua modulada en frecuencia) entrenados en simulación hacia tareas de detección de ocupación y conteo de personas en el mundo real sin requerir grandes conjuntos de datos reales etiquetados.

Metodología

1. Marco de Gemelo Digital Informado por la Física

Los autores proponen un marco de gemelo digital modular que integra animación humana, modelado electromagnético y generación automatizada de datos.

• Entorno de Simulación: Se reconstruye un entorno de pasillo (paredes, techo, suelo) con propiedades dieléctricas medidas para capturar la propagación de trayectorias múltiples (multipath) y el ruido de fondo (clutter) de manera realista.
• Modelado de Radar: Un radar FMCW virtual de 60 GHz, modelado tras el sensor Infineon BGT60TR13C, replica la configuración de antena, la polarización y los parámetros de chirp del hardware físico (ancho de banda de 882.35 MHz, 256 muestras por chirp).
• Dinámica Humana: Se generan secciones transversales de radar (RCS) variables en el tiempo y trayectorias realistas utilizando mallas humanas 3D animadas derivadas de los conjuntos de datos Mixamo y CMU Motion Capture.
• Generación de Datos: Un resolvedor electromagnético utilizando métodos de Shooting and Bouncing Rays (SBR) y Óptica Física (PO) calcula los campos dispersados. El resultado se organiza en cubos de datos complejos (amplitud y fase), que se convierten en mapas de Range-Doppler (RD). Esta simulación base se denomina línea de base RT (Ray-Tracing).

2. Pipeline de Procesamiento de Datos

Tanto los datos simulados como los reales pasan por un pipeline de preprocesamiento estandarizado:

• Transformación: Se aplica una FFT 2D a través de las dimensiones de tiempo rápido (fast-time) y tiempo lento (slow-time) para generar mapas RD complejos.
• Normalización: Las magnitudes se convierten a decibelios (dB), se recortan a un rango fijo $[v_{min}, v_{max}]$ estimado a partir de la simulación, y se normalizan al rango $[0, 1]$.
• Visualización: Los datos se mapean mediante un mapa de colores perceptualmente uniforme (viridis) para crear imágenes de 3 canales para la entrada de un modelo ResNet18 con un cabezal de clasificador específico para la tarea (2 unidades para ocupación binaria, 3 unidades para conteo de personas).
• Entrenamiento vs. Prueba: El entrenamiento se realiza exclusivamente en mapas RD simulados. Un conjunto de datos real recolectado en el mismo pasillo (vacío, 1 persona, 2 personas) se mantiene totalmente aislado para la evaluación.

3. Randomización de Dominio Calibrada (CDR)

Para cerrar la brecha de dominio, el artículo introduce un paso de Randomización de Dominio Calibrada (CDR), que alinea las estadísticas del piso de ruido global de los mapas RD simulados con los entornos reales, preservando las estructuras de micro-Doppler.

• Mecanismo: Se aplica un recorte (clamp) por cuadro y por celda en el dominio de dB: $\tilde{S}(i, j) = \max(S(i, j), N(i, j))$. Esta operación eleva las celdas de fondo excesivamente limpias de la simulación a un nivel de piso de ruido muestreado.
• Línea de Base de DR Aleatorio: Se muestrea el ruido $N(i, j)$ de una distribución gaussiana genérica con parámetros heurísticos ($m \in [-130, -100]$ dB, $s \in [1, 4]$ dB).
• Enfoque CDR: Reemplaza el muestreo heurístico con una calibración basada en datos de un solo paso (one-shot). Se utiliza una secuencia no etiquetada de 10 segundos (100 cuadros) de un pasillo real vacío para calcular la media empírica ($m_t$) y la desviación estándar ($s_t$) del piso de ruido real. La simulación entonces muestrea el ruido $N_t(i, j) \sim \mathcal{N}(m_t, s_t^2)$ para impulsar la calibración.

Contribuciones Clave

1. Marco Sim-to-Real Ligero: El artículo propone un marco que permite la detección de ocupación y el conteo de personas por radar de manera confiable utilizando únicamente un simulador geométrico informado por la física y un pequeño conjunto de calibración real no etiquetado.
2. Randomización de Dominio Calibrada (CDR): Un método novedoso que alinea las estadísticas del piso de ruido simulado con las observaciones del mundo real. A diferencia de la randomización de dominio estándar, la CDR utiliza una breve grabación real para calibrar la distribución de ruido, desplazando efectivamente el histograma simulado hacia la distribución real sin alterar las firmas discriminativas de micro-Doppler de la el movimiento humano.
3. Gemelo Digital Modular: Un sistema integrado que combina resolvedores electromagnéticos (SBR/PO) con animación humana impulsada por captura de movimiento para generar mapas RD realistas y etiquetados.

Resultados

El marco fue evaluado en un conjunto de prueba del mundo real para dos tareas: detección de ocupación binaria y conteo de personas (1 vs. 2 personas).

• Detección de Ocupación:
  • Línea de Base RT (Simulación No Modificada): Tuvo dificultades para generalizar, logrando una precisión equilibrada cercana al 50% (nivel de azar) debido al desajuste de clutter y ruido.
  • DR Aleatorio: Mejoró la robustez a una precisión equilibrada de aproximadamente el 83%, pero aún exhibía estructuras poco realistas.
  • CDR: Logró una precisión equilibrada del 97%, reduciendo significativamente los falsos negativos y falsos positivos en comparación con las líneas de base.
• Conteo de Personas:
  • Línea de Base RT: Falló en la transferencia, logrando un ~33% de precisión equilibrada (adivinación aleatoria).
  • DR Aleatorio: Mejoró el rendimiento a un ~61%, pero todavía confundía fuertemente las tres clases.
  • CDR: Logró un 72% de precisión equilibrada, con matrices de confusión mejoradas, particularmente al distinguir los casos de uno vs. dos personas. Las clasificaciones erróneas se observaron principalmente en escenas ambiguas con solapamiento parcial o oclusión Doppler.
• Análisis de Características: La visualización de las activaciones de ResNet18 mostró que el modelo entrenado con CDR concentra las respuestas en las celdas de Range-Doppler asociadas con el movimiento humano mientras suprime la estructura del fondo, mientras que el modelo de la línea de base producía respuestas difusas dominadas por artefactos específicos del simulador.

Significancia y Reivindicaciones

El artículo afirma que la Randomización de Dominio Calibrada es un método simple, ligero e interpretable para la transferencia sim-to-real en la percepción de radar. Al calibrar los pisos de ruido simulados para que coincidan con las estadísticas globales de las mediciones reales no etiquetadas, el enfoque mejora significamente el rendimiento del modelo en datos de prueba reales en comparación tanto con el entrenamiento de simulación pura como con la randomización de dominio no calibrada.

Los autores enfatizan que este marco es práctico para sistemas de detección humana basados en radar construidos a partir de simuladores modernos, ya que evita el uso de herramientas electromagnéticas propietarias, barridos extensos de parámetros o grandes conjuntos de datos reales etiquetados. El trabajo sugiere que investigaciones futuras podrían extender este enfoque a la estimación del ángulo de llegada y otras tareas de reconocimiento de actividad, pero la contribución actual se limita estrictamente a la ocupación y el conteo mediante la alineación del piso de ruido.