想象一下，你拥有一个旨在成为你的伴侣的家用机器人，它能在你放松、睡眠或在客厅走动时，帮助你保持安全与健康。为了有效地做到这一点，机器人需要了解你的生命体征——具体来说是你的呼吸频率和心率——而无需接触你的身体。
这篇论文介绍了一种名为 ActiveVital 的新系统，它解决了一个棘手的问题：如何在你不处于完美静止状态或没有正对机器人时，利用雷达来“聆听”你的心跳和呼吸。
以下是它的工作原理，通过简单的概念进行分解：
问题所在：“手电筒”效应
把毫米波雷达（机器人的“耳朵”）想象成一束手电筒光。它只能“看到”直接朝向或远离它的运动（比如一辆正对着你行驶的汽车）。它无法轻易检测到侧向运动。
- 你的心跳： 心跳是你胸部极其微小的运动。如果机器人从侧面观察你，你的胸部相对于机器人的运动主要是侧向的。雷达波束会错过大部分这种运动，导致心跳信号变得非常微弱或不可见。
- 旧方法： 大多数机器人只是静静地站着，并希望你保持完美的对齐状态。如果你在椅子上挪动了一下，或者转了转头，这个“手电筒”就会错过目标，导致数据产生噪声或出错。
解决方案：“跳舞的机器人”
ActiveVital 改变了游戏规则。它不再要求你保持不动，而是让机器人自己移动以寻找最佳角度。它将雷达的角度视为一个可以旋转的控制旋钮。
- 眼睛（视觉）： 机器人使用摄像头观察你并找到你的骨架。它专门寻找你的肩膀和臀部，以精确计算出你胸部的位置，就像画家寻找画布中心一样。
- 大脑（对齐）： 机器人会将你的胸部位置与雷达指向的位置进行比较。如果你的胸部稍微偏左，机器人的手臂就会向左旋转；如果你稍微偏上，它就会向上旋转。
- 目标（“正常”角度）： 机器人不断调整，直到其雷达波束几乎完美地直击你的胸部（就像手电筒正面照射墙壁一样）。这能最大限度地增加雷达能看到的“径向”运动，使心跳信号清晰响亮。
“降噪耳机”
即使有了完美的对齐，你可能仍会有轻微的晃动。为了处理这个问题，ActiveVital 使用了一种特殊的信号处理技巧。想象一下在嘈杂的房间里听一首安静的歌；你需要一个过滤器来屏蔽背景杂音。该系统使用一个“差分相位增强”模块来过滤掉随机噪声，并分离出你呼吸和心跳的有节奏模式，即使你在轻微移动时也是如此。
研究发现
研究人员在三种不同的场景下测试了该系统：
- 静态感知： 机器人保持静止，人类尝试保持完美的对齐（例如保持一个姿势）。
- 近距离感知： 机器人向你靠近但不调整角度（例如凑近去听耳语，但仍然看向你的脸侧面）。
- ActiveVital（几何感知）： 机器人不仅移动，还会调整角度以完美对准你的胸部。
结果：
- 呼吸： ActiveVital 的准确度与“完美姿势”法不相上下，但即使你在自由活动时也能正常工作。
- 心跳： 这正是奇迹发生的地方。在“近距离”方法中（仅仅是靠近），心跳误差非常大（大约偏差 13 次/分钟）。而在 ActiveVital 中，误差降至仅 2 次/分钟。
- 核心结论： 通过主动引导雷达正对你的胸部，机器人可以实现像你保持完美姿势时那样的心率监测精度，而且无需你做出任何配合。
简而言之
ActiveVital 就像一个聪明的机器人，它不会只是站在那里等待你的配合。相反，它会主动“寻找”你的胸部，“引导”其传感器以获得最佳视野，并“清理”信号，从而在你进行日常活动时为你提供可靠的健康检查。它将机器人的运动转化为了感知的一种超能力。
技术摘要：ActiveVital
问题陈述
家用机器人需要可靠、非接触式的生命体征监测，以确保用户安全并实现具备健康感知能力的交互。虽然毫米波（mmWave）雷达因其对亚毫米级胸部运动的敏感性而成为一种极具前景的解决方案，但其有效性从根本上受限于观测几何结构。毫米波雷达仅测量沿视线方向的径向运动分量。在不受约束的家庭环境中，任意的机器人-人体取向往往会导致角度失配，从而衰减可测量的信号——特别是对于振幅极小的心跳成分而言。
现有方法存在两个主要局限性：
- 静态感知： 依赖用户手动与固定传感器保持对齐，这对于长期、无干扰的监测而言并不现实。
- 近距具身感知： 移动机器人通过缩短与受试者的距离来提高信号强度，但无法调节解剖学对齐（观测角度）。因此，这些方法缺乏优化生命体征可观测性的闭环机制，导致当机器人与人体未完美对齐时，心跳估计不稳定。
方法论：ActiveVital
作者提出了 ActiveVital，这是一个以视觉为引导的具身感知框架，它将感知几何结构视为一个显式的控制变量。该系统将生命体征监测从被动信号恢复重新定义为主动几何调节。该流程包含三个阶段：
1. 视觉引导的胸部定位
为了在无需用户配合的情况下建立几何参考，系统采用 ViTPose 检测人体骨骼关键点（肩部和臀部）。
- 胸部参考构建： 在肩部和臀部中点之间的躯干轴线上插值得到一个胸部锚点（Pref）。
- 解剖学偏差： 垂直坐标向胸部上方偏移（α=0.75），并应用水平偏移（β=0.1）将参考点移向靠近心脏的区域，以补偿侧向解剖不对称性。
2. 闭环姿态调节
机器人主动调整其传感器姿态，使雷达视线与胸部参考点对齐。
- 误差驱动控制： 雷达光轴与胸部参考点之间的像素偏差被转换为运动指令。
- 空间映射： 利用深度信息和相机内参，将像素误差映射为度量位移（ΔL,ΔH,ΔD）。
- 执行： 机械臂将雷达转向相对于胸腔表面接近法向入射的方向。对齐后，机器人会在一个短窗口内保持固定姿态以采集数据，从而确保最大的径向可观测性（θ→0）。
3. 几何约束的相位处理
为了确保在残余姿态变化下的稳定信号提取，系统采用了差分相位增强模块：
- 相位解包裹与差分： 对原始相位序列进行解包裹，并进行一阶时间差分，以抑制低频漂移并增强周期性微动。
- 鲁棒异常值抑制： 应用 Hampel 滤波器，通过将异常值替换为局部中值来减轻脉冲噪声的影响。
- 频谱解耦： 精炼后的相位序列经过 FFT 处理，随后进行高斯平滑和 FIR 带通滤波，以分离呼吸和心跳成分。通过心跳频带内的能量加权平均来估计心率。
核心贡献
- 几何调节的具身感知： 本文引入了一种范式，即通过反馈驱动的姿态对齐来主动调节雷达观测几何，从而在不受约束的机器人-人体配置下实现可靠感知。
- 视觉引导的姿态调节与鲁棒信号提取： 该流程在引导机器人向雷达近轴向观察的同时，集成了基于相位的增强模块，以在姿态变化下稳定提取信号。
- 跨范式验证： 系统针对三种感知模式（静态、近距具身和几何感知）以及三种基准信号处理算法进行了评估，证明了其一致性的精度提升。
实验结果
该系统在配备 60 GHz FMCW 雷达和 RGB-D 相机的 Galaxea R1 Lite 移动机器人上实现。实验在受控室内环境中针对坐姿参与者进行。
性能指标（平均绝对误差 - MAE）：
- 呼吸间隔 (BI)： ActiveVital 将误差从 0.87 s（近距具身）降低至 0.14 s，达到了与静态感知（0.15 s）相当的精度。
- 心率 (HR)： ActiveVital 将误差从 13.59 bpm（近距具身）降低至 2.22 bpm。虽然静态感知实现了最低误差（1.66 bpm），但它需要用户手动对齐。ActiveVital 在无需用户配合的情况下实现了相当的性能。
对比分析：
- 对比近距感知： ActiveVital 显著优于基于距离的感知方法，后者由于对齐偏差导致心跳信号衰减而表现出较高的误差。
- 对比静态感知： ActiveVital 实现了与静态感知相似的精度，但具有自主性的关键优势，无需用户维持特定姿势。
- 算法鲁棒性： 在针对基准算法（二阶差分、带通滤波、散射模型）进行测试时，ActiveVital 的几何感知方法在几何条件恶化时仍保持了卓越的稳定性，在心率估计方面表现出最小的性能退化。
意义与主张
本文主张感知姿态是一个可控变量，可用于稳健的非接触式生理监测。通过主动调节机器人的姿态以实现相对于胸腔表面的近轴向对齐，ActiveVital 最大化了心肺微动的径向投影。
作者断言，这种方法：
- 能够在没有穿戴设备或预装基础设施的情况下，在普通的家庭环境中实现非接触式监测。
- 提供自主的生命体征估计，能够应对用户姿势的变化，这与依赖用户配合的静态系统不同。
- 证明了几何感知具身传感对于捕捉微弱心跳信号至关重要，为传统的基于距离的移动感知失效场景提供了解决方案。
这项工作将 ActiveVital 定位为多功能家用机器人的机会性功能，弥合了任务执行与持续健康监测之间的鸿沟。
每周获取最佳 computer science 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。