Una base para la IA física: el sistema de detección RFID sin batería ofrece datos confiables en tiempo real y en tiempo real

¿Qué pasa si las mismas etiquetas RFID «Smart Barcode» utilizadas para rastrear paquetes e inventario minorista también podrían detectar cambios en el mundo real, como la temperatura, la presión o el peso, sin baterías o hardware agregado?

Esa idea ahora es una realidad, gracias a un equipo de investigadores del Centro de Comunicaciones Inalámbricas de UC San Diego (CWC) y el Instituto Qualcomm que han desarrollado un sistema de detección pasiva robusto y en tiempo real basado en RFID, es decir, una técnica que puede medir fenómenos naturales utilizando energía de radio cosechada (RF).

Ishan Bansal, un estudiante de maestría de segundo año en ingeniería informática, y Dinesh Bharadia, profesor asociado de ingeniería eléctrica e informática en la Jacobs School of Engineering, encabezan el cargo con un nuevo artículo.

Llamado Sensync, la innovación basada en software recientemente obtuvo el premio al mejor documento en el 2025 conferencia IEEE RFID. El papel se titula «Sensync: detección pasiva en tiempo real y precisa«

«A diferencia de muchas conferencias, IEEE RFID tiene mucha participación de la industria», explicó Nagarjun Bhat, coautor del artículo galardonado, «Sensync: detección pasiva en tiempo real y precisa», y un doctorado. Estudiante en Ingeniería Eléctrica en la Escuela de Ingeniería Jacobs.

«Este es un espacio donde hay mucho potencial comercializable, porque las empresas toman las ideas desde aquí y las usan para construir un producto que llegará a miles de personas en el futuro».

El autor principal Bansal explicó que Sensync es un gran avance para la detección pasiva, ya que destaca cómo la infraestructura RFID existente se puede volver a enojar para habilitar la detección en tiempo real sin batería. Las etiquetas RFID de bajo costo ya se usan en miles de millones de productos a nivel mundial.

Mientras que el trabajo anterior de BHAT y CWC estableció cómo se pueden usar etiquetas RFID para detectar datos desde el punto de vista del hardware, Sensync es lo que pone a enfoque la imagen.

Al usar un sistema de detección diferencial que involucra dos ICS RFID conectados a la misma antena, es posible que interfieran entre sí. En lugar de enviar sus datos al lector simultáneamente, Bansal señaló que los datos llegarían secuencialmente. Eso puede causar ligeras diferencias en los flujos de datos, lo que dificulta determinar los valores correctos.

«Mi algoritmo pone las dos secuencias divergentes juntas y tiene sentido», dijo Bansal. «Esto nos permite sentir claramente, reutilizando a RFID para obtener datos de sensores confiables sin alambres ni baterías».

Resolver desafíos de larga data en la detección pasiva de RFID

Los sistemas RFID se han optimizado tradicionalmente para la identificación, no detectar, son lo que se usa para rastrear paquetes o verificar el equipaje. Mientras que existen otros sistemas similares como Bluetooth, los dispositivos RFID son mucho más maduros y generalizados. Se venden alrededor de 50 mil millones de etiquetas RFID cada año, dijo Bansal, en comparación con cuatro a cinco mil millones de dispositivos Bluetooth.

Pero a pesar de su disponibilidad, la implementación de sistemas RFID no siempre es fácil.

Los lectores comerciales de RFID deben seguir protocolos de comunicaciones estrictas que a menudo incluyen salto de frecuencia o lectura de etiquetas secuencial; En la práctica, esto significa que las señales posiblemente distorsionadas y los desajustes de tiempo han hecho históricamente que las aplicaciones de detección no sean notoriamente confiables.

Sensync resuelve estos problemas utilizando un algoritmo llamado Dynamic Time Warring (DTW), que se usó originalmente en el reconocimiento de voz.

Entonces, ¿cómo funciona? Sensync sincroniza, de ahí el nombre, se transmite datos de múltiples etiquetas RFID pasivas y utiliza comportamientos de señal diferencial para obtener lecturas confiables.

«No queremos cambiar los datos básicos», explicó Bansal, «solo queremos igualarlos bien».

Señaló que Sensync ofrece una resolución sensorial cinco veces mayor y ocho veces el rendimiento de los datos en comparación con los métodos previos de detección de RFID pasivo, lo que significa que puede procesar hasta 500 muestras de datos por segundo con tasas de error de subdegrado, incluso en entornos dinámicos complejos.

«Pudimos demostrar que el flujo de datos podría ser empujado cada segundo sin perder precisión o fidelidad», agregó.

Detección del mundo real, reinventado

Esa capacidad de detección mejorada abre aplicaciones prácticas que van desde la automatización de los almacenes y el monitoreo de las parcelas agrícolas hasta mejorar la detección médica y medir el desperdicio de alimentos.

Ya, Bansal, Bhat y el resto de su equipo de investigación han destacado cómo Sensync puede funcionar en un entorno de realidad aumentada (AR) y también fueron reconocidos en la conferencia Sensys 2025 (co-anfitrión de ACM e IEEE) por tener la mejor demostración: avanzar.

Utilizando una aplicación AR basada en teléfonos inteligentes, los asistentes a la conferencia de IEEE RFID 2025 vieron en tiempo real cómo las etiquetas RFID podrían mostrar la cantidad de fuerza aplicada o visualizar el contenido de humedad en una olla de suelo a través de AR.

O, dijo Bhat, imagina un almacén lleno de cajas sobre cajas. Podrías apuntar la cámara de tu teléfono o las gafas AR en una caja e instantáneamente ver su peso sin tocarla, explicó.

«AR Today se limita principalmente a lo que su feed de visión le proporciona», señaló. «Pero, la detección multimodal enriquece los datos al atraer la temperatura similar a los estímulos que no podemos ver. Eso es hecho por el algoritmo; sin eso, todos los datos que recopilaría serían ruidosos y difíciles de procesar en tiempo real».

Y, debido a que Sensync no contiene batería, se ejecuta en etiquetas RFID comerciales y no requiere datos de capacitación ni recalibración, Bansal dijo que ofrece una solución de detección más sostenible y escalable que puede funcionar de manera confiable en entornos interiores, exteriores o móviles.

«Nuestra solución en realidad es realmente omnipresente», dijo, explicando que «puedes dejarla en cualquier lugar y funcionará de la misma manera».

De rfid a ai físico

Bhat, Bansal y Bharadia sienten que Sensync podría ser más que una actualización de la detección pasiva: podría ser la base de la IA física que une los mundos reales y virtuales.

«Los modelos de idiomas grandes (LLM) están impulsando la IA a nuestro alrededor», explicó Bharadia, y agregó que la mayoría de los aprendizaje automático se basan en texto, voz o imágenes, todas las cuales están ampliamente disponibles y fácilmente accesibles. Pero otra información sensorial, como la temperatura y la humedad, aún no están disponibles para que alguien construya un LLM. «Para empoderar a nuestros espacios físicos con IA, necesitarías sensores y detectaciones».

«Sensync es realmente una innovación», agregó, «que puede proporcionar esa detección sin batería y hacerlo con un uso de potencia extremadamente bajo y sin cables».