Beyond Amplitude: Channel State Information Phase-Aware Deep Fusion for Robotic Activity Recognition

Cet article présente GF-BiLSTM, un réseau de fusion profonde à double flux qui exploite systématiquement les informations de phase du CSI Wi-Fi, en plus de l'amplitude, pour améliorer la précision et la robustesse de la reconnaissance des activités robotiques.

L'essentiel

Voici une explication simple et imagée de cette recherche, comme si on en discutait autour d'un café.

📡 Le Super-Héros Invisible : Le Wi-Fi qui "voit" les robots

Imaginez que vous voulez savoir ce qu'un robot fait dans une pièce, mais vous ne voulez pas utiliser de caméras (trop intrusif pour la vie privée) ni de lasers (trop cher et ça ne fonctionne pas si le robot est caché derrière un mur).

C'est là qu'intervient le Wi-Fi. Vous savez, ces ondes invisibles qui traversent les murs pour vous donner internet ? Les chercheurs ont découvert que quand un robot bouge, il déforme ces ondes, un peu comme un bateau qui crée des vagues en traversant un lac calme.

En analysant ces déformations, on peut deviner ce que fait le robot. C'est ce qu'on appelle la sensing par Wi-Fi.

🎻 Le Problème : On n'écoutait que le volume, pas la mélodie

Jusqu'à présent, la plupart des chercheurs écoutaient seulement le "volume" du signal (l'amplitude). C'est comme écouter une chanson en regardant seulement le niveau sonore sur un écran : on sait que ça bouge, mais on ne comprend pas bien comment.

Or, le signal Wi-Fi a aussi une "couleur" ou une "phase" (une sorte de timing très précis). C'est comme écouter la mélodie réelle de la chanson. Le problème ? Cette "mélodie" est souvent bruitée, comme une radio mal réglée avec des interférences. Les chercheurs pensaient qu'elle était trop sale pour être utile, alors ils l'ignoraient.

🤖 La Solution : Le Chef d'Orchestre "GateFusion"

Dans cet article, les chercheurs (Rojin, Hojjat et Milad) disent : "Attendez, si on nettoie un peu cette mélodie et qu'on la mélange intelligemment avec le volume, on obtient une image beaucoup plus claire !"

Ils ont créé un nouveau système appelé GF-BiLSTM. Pour faire simple, imaginez-le comme un chef d'orchestre très intelligent qui a deux musiciens :

1. Le musicien "Volume" (qui regarde l'amplitude, stable mais un peu flou).
2. Le musicien "Mélodie" (qui regarde la phase, très précis mais parfois bruyant).

Au lieu de les faire jouer ensemble en même temps (ce qui ferait du bruit), le chef d'orchestre écoute chaque musicien séparément. À chaque seconde, il décide : "Aujourd'hui, le musicien Volume est plus fiable, je l'écoute à 80 %. Demain, le musicien Mélodie a un super solo, je l'écoute à 90 %."

C'est ce qu'on appelle une fusion adaptative. Le système apprend à faire confiance au bon signal au bon moment.

🏃‍♂️ Le Grand Test : Le Robot qui court, marche et trotte

Pour tester leur idée, ils ont utilisé un robot qui faisait 8 mouvements différents (dessiner un triangle, lever le coude, etc.) à trois vitesses différentes :

• 🐢 Lent
• 🚶‍♂️ Moyen
• 🏃‍♂️ Rapide

Le vrai défi ? Entraîner le système sur les vitesses "Lent" et "Moyen", puis le tester sur la vitesse "Rapide" qu'il n'avait jamais vue. C'est comme apprendre à conduire sur une route calme, puis demander au conducteur de gérer une tempête de neige sans jamais avoir pratiqué.

🏆 Les Résultats : La Mélodie fait toute la différence

Les résultats sont impressionnants :

• Juste le volume : Ça marche bien, mais le système se trompe souvent quand le robot change de vitesse.
• Juste la mélodie (phase) : C'est trop bruyant, ça ne marche presque pas tout seul.
• Le mélange intelligent (Volume + Mélodie) : C'est le gagnant ! En ajoutant la "mélodie" (la phase nettoyée), le système devient beaucoup plus précis et robuste.

Leur nouveau chef d'orchestre (GF-BiLSTM) a atteint 96,11 % de réussite pour reconnaître les mouvements, même quand le robot changeait de vitesse de façon imprévisible. C'est un record pour ce type de test.

💡 En résumé

Cette recherche nous apprend deux choses importantes :

1. Ne jetez pas le "bruit" : Même si la phase du signal Wi-Fi semble sale, une fois nettoyée, elle contient des informations précieuses que le volume seul ne peut pas donner.
2. L'intelligence, c'est l'adaptation : Le secret n'est pas d'avoir un seul capteur parfait, mais d'avoir un cerveau (l'algorithme) qui sait quand faire confiance à quel capteur.

C'est une étape de plus vers des robots qui peuvent travailler avec nous dans des environnements complexes, sans avoir besoin de caméras qui nous espionnent, en utilisant simplement le Wi-Fi de notre maison ou de notre bureau.

Résumé technique

Voici un résumé technique détaillé de l'article "Beyond Amplitude: Channel State Information Phase-Aware Deep Fusion for Robotic Activity Recognition", accepté à l'ICASSP 2026.

1. Problématique

La reconnaissance d'activités robotiques est essentielle pour la sécurité et la fiabilité des systèmes robotiques. Les solutions conventionnelles (caméras, LiDAR) nécessitent une ligne de vue directe et soulèvent des problèmes de confidentialité. Le Wi-Fi émerge comme une alternative prometteuse via l'exploitation des informations d'état du canal (CSI).

Cependant, la majorité des travaux antérieurs se sont concentrés exclusivement sur l'amplitude du signal CSI, négligeant la composante phase. Bien que la phase contienne des informations fines sur les différences de trajet (réflexions, diffusion), elle est souvent ignorée car les mesures brutes sont corrompues par des décalages matériels (décalages de fréquence et de timing). L'article vise à combler ce vide en étudiant systématiquement l'apport de la phase (brute, déroulée ou assainie) pour la reconnaissance d'actions de bras robotiques, en particulier dans des conditions de vitesse variables.

2. Méthodologie

A. Prétraitement des Données (CSI)

Les auteurs traitent le signal CSI complexe $H$ en séparant l'amplitude ($A$) et la phase ($\Phi$). Pour rendre la phase exploitable, deux étapes de prétraitement sont appliquées :

1. Déroulement temporel (Temporal Unwrapping) : Correction des discontinuités de phase (pliées entre $-\pi$ et $\pi$) pour obtenir des trajectoires continues.
2. Assainissement linéaire (Linear Sanitization) : Élimination des tendances linéaires résiduelles causées par les erreurs de synchronisation au sein de chaque paquet, en ajustant une régression linéaire par paquet et en soustrayant la tendance.

Quatre configurations d'entrée sont évaluées :

• Phase uniquement (déroulée).
• Amplitude uniquement.
• Amplitude + Phase déroulée.
• Amplitude + Phase assainie.

B. Architecture Proposée : GF-BiLSTM

Les auteurs proposent GateFusion-BiLSTM, un réseau de fusion à deux flux (two-stream) conçu pour encoder séparément l'amplitude et la phase avant de les fusionner de manière adaptative.

• Flux parallèles : Deux réseaux LSTM bidirectionnels (BiLSTM) traitent indépendamment les flux d'amplitude et de phase. Chaque flux subit une normalisation par couche (Layer Normalization).
• Mécanisme de porte (Gating) : À chaque instant $t$, un mécanisme de porte appris ($g_t$) fusionne les caractéristiques des deux flux. La sortie est une combinaison pondérée : $z_t = g_t \odot u^A_t + (1-g_t) \odot u^P_t$. Cela permet au modèle de pondérer dynamiquement la fiabilité de la phase par rapport à l'amplitude (par exemple, réduire le poids de la phase si elle est trop bruitée à un instant donné).
• Modélisation temporelle profonde : La séquence fusionnée est ensuite traitée par une couche BiLSTM plus profonde, suivie d'un pooling temporel et d'une couche de classification.
• Régularisation : Un "modality dropout" est utilisé pendant l'entraînement pour masquer aléatoirement l'un des flux, forçant le modèle à apprendre à se fier aux deux modalités et à être robuste aux défaillances d'un flux.

3. Contributions Clés

1. Première exploration systématique de la phase CSI : C'est le premier travail à évaluer rigoureusement l'impact de la phase (brute, déroulée, assainie) spécifiquement pour la reconnaissance d'activités de bras robotiques.
2. Architecture GF-BiLSTM : Introduction d'un mécanisme de fusion gating adaptatif qui intègre les avantages temporels fins de la phase avec la stabilité de l'amplitude.
3. Évaluation robuste (LOVO) : Utilisation d'un protocole "Leave-One-Velocity-Out" (LOVO) sur le jeu de données RoboFiSense. Les modèles sont entraînés sur deux vitesses (faible, moyenne, élevée) et testés sur la troisième, non vue, pour évaluer la généralisation aux variations de vitesse.

4. Résultats Expérimentaux

Les expériences ont été menées sur le jeu de données RoboFiSense (8 actions de bras robotique Franka Emika à 3 vitesses).

• Performance par configuration :

  • La phase seule est la moins performante (faible rapport signal/bruit).
  • L'amplitude seule offre une base solide mais limitée.
  • La combinaison Amplitude + Phase surpasse systématiquement les entrées mono-modalité.
  • La version Assainie (Sanitized) apporte un gain marginal par rapport à la version simplement déroulée, mais au prix d'un temps de calcul significativement plus élevé.

• Performance du modèle GF-BiLSTM :

  • Le modèle GF-BiLSTM atteint les meilleures performances sur toutes les configurations LOVO.
  • Avec l'entrée Amplitude + Phase (Assainie), il atteint 96,11 % de précision (V1&V2 $\to$ V3), surpassant les modèles de référence comme BiVTC (93,85 %) et BiLSTM standard (91,11 %).
  • Le modèle démontre une robustesse supérieure face aux changements de vitesse d'exécution.

• Analyse de complexité :

  • Le prétraitement par assainissement linéaire multiplie le temps de traitement par ~48 par rapport à l'amplitude seule (78 ms vs 1,6 ms par échantillon).
  • Les auteurs concluent que le gain de précision marginal de l'assainissement ne justifie pas son coût computationnel ; la version déroulée uniquement offre un meilleur compromis précision-efficacité.

5. Signification et Conclusion

Ce travail établit que la phase du CSI, lorsqu'elle est correctement prétraitée et fusionnée de manière adaptative, est une information complémentaire cruciale et non un simple substitut à l'amplitude.

• Impact : La méthode GF-BiLSTM comble un écart de robustesse majeur dans le domaine de la détection Wi-Fi, permettant une reconnaissance d'activités robotiques fiable même lorsque la vitesse de mouvement change entre l'entraînement et le test.
• Perspectives : L'étude ouvre la voie à l'utilisation de réseaux à valeurs complexes et d'entrées polaires pour exploiter encore davantage les propriétés physiques du signal Wi-Fi.

En résumé, l'article démontre que l'intégration intelligente de la phase dans les modèles d'apprentissage profond est la clé pour passer d'une détection Wi-Fi basique à une reconnaissance d'activités robotiques robuste et précise.