Un rayo de luz invisible basta para reconstruir un entorno en tres dimensiones con una precisión milimétrica. Esta capacidad, que durante mucho tiempo fue exclusiva de los laboratorios de investigación y de los programas espaciales, se encuentra hoy en el corazón de los vehículos autónomos, los drones de cartografía y los sistemas de detección más avanzados del mercado.
El Lidar, acrónimo de Light Detection and Ranging, funciona emitiendo pulsos láser y midiendo el tiempo que tardan en rebotar sobre los objetos cercanos. El resultado es una nube de puntos densa y detallada que permite a las máquinas percibir su entorno con una fiabilidad que las cámaras convencionales no pueden igualar, especialmente en condiciones de baja luminosidad o en espacios complejos.
Muytec hace el punto sobre el funcionamiento, las aplicaciones y las perspectivas de esta tecnología óptica que está redefiniendo la forma en que las máquinas leen el mundo físico.
El LiDAR de consumo ya detecta objetos ocultos más allá del campo visual
La tecnología LiDAR (Light Detection and Ranging) mide el tiempo de vuelo de la luz con una resolución de picosegundo, una precisión que abre puertas insospechadas. Hasta hace poco, esta capacidad permanecía confinada a laboratorios de investigación con equipos voluminosos y costosos, lejos del alcance del usuario común.
Hoy, esos mismos sensores se integran de forma silenciosa en dispositivos cotidianos. La lista de equipos que ya incorporan LiDAR habla por sí sola:
- Apple iPhone Pro
- Apple Vision Pro
- Vehículos autónomos Waymo
- Robots domésticos
El investigador Siddharth Somasundaram, del MIT Media Lab, ha demostrado que el LiDAR de un smartphone puede reconstruir objetos en 3D fuera del campo visual sin ninguna configuración adicional. Este avance, publicado en Nature, representa un giro copernicano: lo que era privilegio industrial se convierte en herramienta de bolsillo, accesible con hardware estándar por menos de 100 USD.
«Nuestros resultados representan un tournant hacia una imagerie NLOS plug-and-play, permitiendo a cualquiera imager objetos ocultos con material estándar y sin configuración adicional.»
Siddharth Somasundaram, MIT Media Lab
El modelo de apertura inducida por movimiento unifica señal, objeto y cámara
El principal obstáculo técnico residía en la debilidad inherente de los sensores de consumo: baja potencia láser, escasa resolución espacial y la presencia inevitable de movimiento, tanto del objeto observado como de la propia cámara. Estas limitaciones convertían la imagen NLOS (Non-Line-Of-Sight) en un horizonte inalcanzable para el hardware doméstico.
La respuesta del equipo investigador fue una estrategia de fusión multi-imagen articulada sobre un modelo original: el modelo de muestreo por apertura inducida por movimiento, que unifica forma, objeto y cámara. Este enfoque trata el movimiento no como un enemigo, sino como un aliado que enriquece el muestreo de la escena oculta.
Gracias a este modelo, las capacidades NLOS demostradas sobre un LiDAR de smartphone son notables en su variedad:
- Reconstrucción tridimensional de objetos ocultos
- Seguimiento de objetos únicos y múltiples
- Localización de la cámara utilizando objetos no visibles directamente
El siguiente cuadro resume las diferencias clave entre el hardware de investigación tradicional y el nuevo enfoque de consumo:
| Criterio | Hardware de investigación | LiDAR de consumo (nuevo enfoque) |
|---|---|---|
| Coste aproximado | Miles de USD | Menos de 100 USD |
| Configuración necesaria | Extensa calibración | Plug-and-play, sin configuración |
| Portabilidad | Equipos voluminosos | Smartphone estándar |
| Capacidades NLOS | Limitadas a laboratorio | Reconstrucción 3D, seguimiento, localización |
Robótica, percepción móvil y realidad aumentada: los horizontes que se abren
La democratización de la imagen NLOS no es un fin en sí mismo, sino el umbral de un ecosistema de aplicaciones que hasta ahora permanecía en estado latente. Tres grandes dominios se perfilan como los primeros beneficiarios directos de este avance:
- Robótica: los robots domésticos y de servicio podrán anticipar obstáculos y presencias ocultas sin sensores adicionales.
- Percepción móvil: los vehículos autónomos ganarán una capa de conciencia situacional más allá de su ángulo de visión inmediato.
- Realidad aumentada (AR): los dispositivos como el Apple Vision Pro podrán enriquecer la experiencia del usuario con información sobre el entorno no visible.
El código y los datos del proyecto están disponibles públicamente en GitHub (consumer-nlos), con la única excepción de los datos capturados con el dispositivo propietario. Esta apertura científica refuerza la vocación democratizadora del trabajo.
La investigación no surge en el vacío: se apoya en una genealogía de trabajos previos sobre imagen no convencional, desde el uso de WiFi para ver a través de paredes (Adib & Katabi, 2013) hasta el LiDAR acústico (Lindell et al., 2019) o la imagen térmica NLOS (Maeda et al., 2019). Siddharth Somasundaram del MIT Media Lab transforma el LiDAR de smartphone en sistema NLOS accesible, cerrando así la distancia entre la investigación de vanguardia y el usuario final.