The Pulse

Ricercatori di Cornell stimano il movimento dell’intero corpo con un solo smartwatch

Ricercatori di Cornell hanno sviluppato EchoMotion, un sistema che utilizza gli echi degli ultrasuoni e un modello di IA per stimare le posizioni del corpo tramite uno smartwatch. In un test con nuovi utenti, una breve calibrazione ha ridotto l’errore medio nella stima della posizione delle articolazioni a circa 2,4 pollici.

AI.info Team · · verificato · su 2 fonti ↓ · Pubblicato 12 nov 2026

Ricercatori di Cornell hanno sviluppato un sistema che stima la posizione dell’intero corpo di una persona utilizzando gli echi degli ultrasuoni emessi da un singolo smartwatch e un modello di intelligenza artificiale. Nei test con persone che non avevano mai usato il sistema, l’errore medio nella stima della posizione delle articolazioni è sceso a circa 2,4 pollici dopo una calibrazione di 12 minuti, da effettuare una sola volta, secondo il Cornell Chronicle.

Il sistema, chiamato EchoMotion, utilizza l’altoparlante e il microfono integrati in un orologio in commercio, anziché una telecamera, per rilevare il movimento. Rimane un progetto di ricerca: il team lo sta sviluppando per il monitoraggio dell’attività fisica e sta esplorando altri utilizzi.

Ascoltare il movimento

EchoMotion nasce nel laboratorio Smart Computer Interfaces for Future Interactions, o SciFi, di Cornell, diretto da Cheng Zhang, professore associato di scienza dell’informazione. Il sistema emette segnali ultrasonici non udibili e usa i loro riflessi per stimare la posizione del corpo di chi lo indossa.

Il primo autore Saif Mahmud, dottorando in scienza dell’informazione, ha spiegato che i sensori indossabili convenzionali, come accelerometri e giroscopi, misurano il movimento del dispositivo stesso. Il tracciamento dell’intero corpo ha tradizionalmente richiesto configurazioni più elaborate, che possono coinvolgere anche telefoni, auricolari o visori per la realtà virtuale.

Alcuni sistemi utilizzano telecamere. Cornell ha affermato che il rilevamento acustico evita la necessità di una telecamera e produce meno dati da elaborare, preservando al contempo la privacy di chi indossa il dispositivo e delle persone nelle vicinanze.

Dal prototipo agli smartwatch in commercio

I ricercatori hanno inizialmente realizzato una replica di un orologio stampata in 3D, con una coppia di altoparlante e microfono su ciascun lato. Gli altoparlanti emettevano onde sonore intorno a chi lo indossava e i microfoni rilevavano gli echi riflessi dagli arti in movimento.

I ricercatori hanno raccolto i pattern degli echi di 10 volontari che indossavano il prototipo sulla mano non dominante mentre eseguivano 18 esercizi. Hanno utilizzato i dati per sviluppare un modello di deep learning che traduce i pattern degli echi in stime dei movimenti.

Per misurare l’accuratezza, il team ha confrontato le proprie previsioni per la posizione di 12 articolazioni, dalla testa alle caviglie, con le pose registrate dalle telecamere. Nello studio le telecamere sono servite per il confronto; non facevano parte del sistema di rilevamento dello smartwatch.

Gli smartwatch in commercio hanno una sola coppia di altoparlante e microfono, perciò i ricercatori hanno testato EchoMotion anche su un Samsung Galaxy Watch 6 non modificato, con 15 nuovi volontari. Per le persone che non avevano mai usato il sistema, l’errore medio nella previsione della posizione di ciascuna articolazione era inferiore a quattro pollici; la calibrazione di 12 minuti, da effettuare una sola volta, lo ha ridotto di oltre un terzo, portandolo a circa 2,4 pollici.

I ricercatori hanno constatato che lo stesso modello funzionava anche su un Samsung Galaxy Watch 7 e un Google Pixel Watch 3 senza un nuovo addestramento. Secondo Cornell, il rilevamento nel prototipo consumava circa 12 milliwatt, all’incirca 40 volte meno di una telecamera indossabile, mentre una sessione di 30 minuti su un Galaxy Watch 6 consumava dal 5% al 6% della batteria.

Fuori dal laboratorio

In un ulteriore test, 10 nuovi partecipanti hanno eseguito i 18 esercizi in una stanza piccola, in un corridoio stretto e accanto a una strada rumorosa. I ricercatori hanno constatato che i mobili e il rumore ambientale non interferivano con il sistema, ma che le prestazioni peggioravano leggermente nel corridoio a causa degli echi prodotti da altre persone.

Mahmud prevede che un modello addestrato sui dati di migliaia di utenti, anziché di decine, interpreti meglio il movimento in ambienti affollati. Si tratta di una previsione, non di un risultato dei test riportati.

Fitness e altri utilizzi

Il team sta sviluppando la tecnologia per un agente personale per il fitness che potrebbe contare le ripetizioni e correggere l’esecuzione degli esercizi. I ricercatori stanno anche esplorando una combinazione di EchoMotion e visione in prima persona su smartglass per tracciare gli oggetti maneggiati da una persona.

La ricerca ha ricevuto il sostegno della National Science Foundation. Il paper è stato presentato alla conferenza UbiComp/ISWC a Shanghai il 13 ottobre.