Language:En | 中文
 
当前位置: 首页 » 资讯 » 大公司 » 正文

学术前沿的商业机会

核心提示:上次的METI课程,港科大的张黔教授介绍了物联网前沿的一些技术进展,其中既有激动人心的技术,同时又贴近产业需求。对于苦苦探寻投资机会的童鞋来说,可谓“久旱逢甘露”,好似刘姥姥进了大观园一般。
发布日期:2019-09-30
上次的METI课程,港科大的张黔教授介绍了物联网前沿的一些技术进展,其中既有激动人心的技术,同时又贴近产业需求。对于苦苦探寻投资机会的童鞋来说,可谓“久旱逢甘露”,好似刘姥姥进了大观园一般。
 
学术前沿的商业机会
 
举个栗子,常见的RFID由阅读器(Reader)和标签(Tag)组成,阅读器里有天线、发射、接收和微处理器,因此需要电源。标签也分为有源和无源两种,无源的接收距离比较近(e.g. 迪卡侬衣服的上),有源的距离比较远(小区停车卡,带纽扣电池)。
 
学术前沿的商业机会
 
但华盛顿大学的一项研究(Ambient Backscatter,Vicent Liu 2013)突破了这个经典的结构。让RFID只运用空中的无线电波(原文就是“Out of Thin Air”,比如电视信号)就可以运行,完全不用电池。“惊不惊喜,意不意外?”感觉甚至于有些科幻。
 
学术前沿的商业机会
 
其实原理也挺容易理解:常规的RFID之所以需要很高功耗,主要是需要很多能量用于信号的发射。而射频信号发射通常没有方向性,大多数能量被浪费掉了。Backscatter的思路可以理解成“废物利用”,不再发射新的信号,而是对原有环境信号进行调制,给周围信号“打标签”,从而让接收端读取出若干个“0和1”。
 
听起来简单,实施起来有一系列问题。首先需要能够在茫茫的不受控的信号中提取出有用的“反射信号”。研究人员很巧妙地发现移动平均之后是相对可行的方案(仿佛得来全不费工夫...),可以清晰地区别调制后的信号(左)和未调制的噪音(右)。
 
学术前沿的商业机会
 
另一个难点是,如何让接收端在没有电池的情况下进行解码呢?也就是说,虽然我们知道了移动平均后能看出来差别,但没有电怎么做移动平均的计算呢?研究员再一次“灵光乍现”,用电容器加上电压后会缓慢放电的原理,只用一点点能量也可以做移动平均:
 
学术前沿的商业机会
 
解决了这些技术问题,具体能有怎样的应用呢?实验人员发现,在0.3米情况下可以传输10kbps的数据,0.6米距离下可以传输1kbps。多数情况下Tag本身只需要传输一个ID信息,1kbps已经足够了。
 
文章中举了一个具体的“栗子”,在亚马逊的仓库中有很多盒麦片,如果其中混入一盒薯片(红色),则薯片上的Tag自动会亮起(其中还涉及到多个标签的地址分配问题,这里没有介绍),这里只放了一个图,大家可以上网搜视频:
 
学术前沿的商业机会
 
除了“反弹”无线电波实现超低功耗的通讯,基于无线信号的感知也有令人惊叹的进展。MIT的Dina Katabi开创性地用调制的Wifi频段的信号(实际用的是5.5-7.2GHz),可以追踪到人体的移动,可以理解为“隔墙有眼”的效果。
 
学术前沿的商业机会
 
这是如何做到的呢?首先,发送一段频率随时间变化的无线电波,然后将接收到的反射信号频率和发射信号的频率进行比较,可以得到ΔF。因为频率的变化速度是实验者自己设定的(斜率是已知的),由此可以得到ΔT。
 
学术前沿的商业机会
 
当然实践中也会遇到一连串问题,比如怎么区分桌椅板凳的反射?同一个人多次反射怎么办等工程上的细节。一个有意思的解决思路是考虑物理实际,比如同一个人的连续反射,由于直线距离最短,最先接收到的信号代表了第一次反射,后续的信号是折射信号。
 
学术前沿的商业机会
 
最后,由于路由器通常是多根天线,并且天线之间的距离是已知的,根据距离不同天线的距离差,可以把运动中的人的位置确定下来(找几个椭圆的交集)。最终实验结果是在XYZ方向上,精度可以达到10cm左右,对于老人的摔倒检测,准确率高达97%。
 
学术前沿的商业机会
 
这还没完,注意到这是2013年的研究,后续Dina的研究组还将技术进一步演进(2016),可以检测到人体的生命体征,甚至是多个人的生命体征(呼吸和心率)。例如这样挤在一起的五个人,可以清晰地看到每位宅男不同的呼吸(差别还真大)。可谓隔墙有“眼”,毫无隐私,叹为观止。
 
学术前沿的商业机会
 
连续剧还没拍完,最近这组研究者将技术边界又向前推进了一步。随着检测精度的进一步提升,根据心跳间隙(Inter-Beat Interval,IBI) 的细微差别,可以推断被检者的情绪。大体上分为两个步骤,首先是从直接观测到的不那么准确的信号中提取出99%准确的IBI,其次是建立IBI和情绪之间的联系。融合一些模式识别的算法后(心跳是有很多规律可循的),在30人的样本中IBI的识别率达到了99.6%(大约13万次心跳数据),情绪识别的准确率大概在70-80%之间。
 
学术前沿的商业机会
 
不知道能看到这里的读者有多少。若不是张黔老师的讲解,段郎估计也就是读一读摘要的水平(翻了下论文还是比有机化学的通俗些...)。当然,段郎无意也没有能力混迹学术圈,但从这几篇文章,以及近期看到的技术创业项目中,还是有一些共同点的,包括:
 
1)研究本身是实际问题导向的:例如RFID标签能不能不用电池?WiFi信号能不能测出心跳?或者有机材料能不能做彩色的电子标签?
 
2)原创技术到商业转化的过程在缩短:和之前先研发,再转化,“十年冷板凳”的思路不同,新一代的学者会是“边研发边转化”,或者和大公司共同研发。一些学校在知识产权上的清晰界定政策也会加速这个过程;
 
3)创新通常出现在学科交叉的领域:第一个研究涉及到信号处理,电路设计,当然也有商业场景的设计。更为明显的是关于情绪的研究,涉及到心理学(心跳间隙和情绪的关系),医学(ECG的分析),无线通信等学科。
 
 
 
相关资讯