Teknologi WiFireNet Memanfaatkan Perubahan Sinyal Nirkabel untuk Mengenali Objek Tersembunyi

Peneliti dari Swedish Defence Research Agency (FOI) mengembangkan WiFireNet, sebuah sistem kecerdasan buatan yang memanfaatkan perubahan sinyal Wi-Fi untuk mendeteksi keberadaan pistol yang disembunyikan pada tubuh seseorang. Penelitian yang dipublikasikan pada 13 Oktober 2026 ini menggunakan Channel State Information (CSI) untuk menganalisis bagaimana gelombang radio berubah ketika melewati lingkungan dan berinteraksi dengan objek. Perkembangan TEKNOLOGI tersebut menawarkan pendekatan baru dalam penelitian sistem keamanan tanpa harus mengandalkan gambar kamera ketika proses deteksi berlangsung. Meskipun hasil eksperimennya menjanjikan, WiFireNet masih berupa prototipe penelitian yang membutuhkan pengujian lanjutan sebelum dapat digunakan secara luas.

Inovasi WiFireNet Menggabungkan Sinyal Wi-Fi dan Kecerdasan Buatan

WiFireNet merupakan prototipe pembelajaran mendalam untuk mendeteksi senjata genggam yang disembunyikan. Pengembangan sistem ini berasal dari peneliti lembaga pertahanan Swedia FOI. Para pengembang metode ini terdiri atas Erik Persson, David Gustafsson, dan Tomas Wilkinson. Dalam makalah berjudul Concealed Handgun Detection using WiFi Signals, mereka menjelaskan kemungkinan mendeteksi pistol melalui informasi kanal Wi-Fi. Tidak seperti deteksi yang bergantung pada citra visual, WiFireNet menggunakan pola perubahan kanal komunikasi nirkabel. Pendekatan tersebut menawarkan jalur penelitian baru dalam pengamanan ruang publik.

Gagasan utama WiFireNet mengandalkan karakteristik gelombang yang merambat melalui ruang. Ketika seseorang bergerak, karakteristik kanal komunikasi dapat berubah. Perubahan tersebut menjadi masukan bagi sistem pembelajaran mesin. Meski sinyal membawa informasi mengenai kondisi ruangan, setiap gangguan sinyal tidak dapat langsung dianggap sebagai ancaman. Untuk mengolah informasi secara bermakna, peneliti menggunakan model pembelajaran mendalam. Hasil penelitian menunjukkan potensi teknologi, bukan bukti kesiapan operasional.

Memahami Teknologi CSI pada Sistem Deteksi Berbasis Gelombang Radio

Data yang digunakan dalam proses deteksi adalah Channel State Information atau CSI, yakni informasi mengenai keadaan kanal komunikasi nirkabel. Pada komunikasi antara perangkat Wi-Fi, gelombang dapat melewati berbagai lintasan. Dinding dan perabot berpotensi mengubah amplitudo maupun fase gelombang. Variasi yang tercatat dalam CSI menjadi bahan untuk analisis komputer. Dengan mempelajari karakteristik perubahan, AI mempelajari ciri yang berkaitan dengan target deteksi. Walaupun CSI menyediakan informasi tambahan, data tersebut bukan gambar langsung dari objek.

Dalam eksperimen yang dilakukan FOI, tim mengumpulkan data radio dan gambar yang diselaraskan. Pengumpulan tersebut membantu menentukan label untuk proses pembelajaran. Dalam tahap pemrosesan berikutnya, sistem mencari representasi radio yang berkaitan dengan objek. Saat sistem menghasilkan prediksi setelah pelatihan, kamera tidak menjadi sumber data utama untuk prediksi. Pemisahan proses pelatihan dan deteksi membantu menghindari anggapan bahwa sistem melihat melalui pakaian. Melalui mekanisme tersebut, teknologi memanfaatkan informasi tidak langsung untuk memperkirakan keberadaan target.

Penggunaan Data Wi-Fi dan Gambar untuk Melatih Model Deteksi

Sebagai bagian dari proses pembelajaran mesin, tim mengembangkan kumpulan data WiFire. Kumpulan data tersebut memuat sinyal Wi-Fi yang diselaraskan dengan informasi visual. Manfaat penggabungan informasi tersebut adalah membangun contoh pelatihan dengan informasi target yang lebih jelas. Selama tahap eksperimen, peneliti mengamati variasi sinyal dari beberapa jenis barang. Sebagai bagian dari objek yang diuji, digunakan ponsel bersama botol berbahan logam serta objek menyerupai pistol. Berkat contoh yang tidak hanya berasal dari satu kategori, model dilatih menghadapi pola yang berbeda. Meski demikian, keragaman eksperimen belum mencakup seluruh kondisi dunia nyata.

Peneliti menggunakan jaringan saraf yang dilatih dengan data. Salah satu pendekatan yang digunakan adalah pengawasan berbasis informasi visual. Melalui proses pembelajaran ini, informasi visual membantu membentuk representasi sinyal. Pada pengembangan kecerdasan buatan, metode pemindahan pengetahuan membantu melatih jaringan saraf. Walaupun gambar digunakan dalam pelatihan, hasil deteksi bukan rekonstruksi visual pasti dari suatu objek. Karena itu, tingkat keyakinan sistem memerlukan interpretasi yang tepat.

Memahami Performa Model Pendeteksi Objek melalui Sinyal Wi-Fi

Pengujian sistem deteksi berbasis CSI menunjukkan bahwa pola radio dapat memberikan informasi tentang target. Berdasarkan hasil yang disampaikan peneliti, average precision untuk kategori pistol mencapai 72,5 persen pada ambang penilaian lebih longgar. Pada ambang penilaian yang lebih ketat, nilainya menjadi 53,8 persen. Angka tersebut menggambarkan hasil berdasarkan metode penilaian tertentu. Dalam menafsirkan hasil pengujian, 72,5 persen tidak berarti sistem selalu mengenali jumlah tersebut dari setiap seratus orang. Penjelasan mengenai metrik ini menghindari kesimpulan yang melampaui bukti penelitian.

Dalam evaluasi seluruh kelas objek, hasil keseluruhan diperiksa menggunakan ukuran mean average precision. Nilai tersebut mencerminkan kemampuan model menghadapi kategori yang diuji. Namun, hasil penelitian masih membutuhkan pengulangan pada kondisi berbeda. Lingkungan pengujian yang terkendali mungkin berbeda dari situasi keramaian sebenarnya. Selain itu, kemampuan bekerja pada data baru harus dibuktikan. Dengan evaluasi tambahan, keterbatasan sistem dapat dipahami secara lebih tepat.

Peluang Pemanfaatan Sinyal Nirkabel dalam Sistem Keamanan Publik

Kemajuan sistem pengenalan objek berbasis Wi-Fi membuka kemungkinan pendekatan keamanan tambahan. Sistem pengamatan berbasis gambar dapat kehilangan informasi ketika target terhalang. Untuk metode pemeriksaan fisik, detektor logam dapat digunakan secara efektif pada pos pemeriksaan. Meski metode tersebut terbukti berguna, pengoperasiannya membutuhkan prosedur yang disesuaikan dengan lokasi. Sebagai kemungkinan pelengkap, WiFireNet berpotensi membantu analisis keberadaan objek tanpa melihatnya secara langsung. Kendati prinsip kerjanya memberikan potensi, penggunaan sebagai alat utama keamanan belum memiliki bukti yang memadai.

Persoalan penting sebelum penerapan luas adalah variasi kondisi propagasi sinyal di lokasi berbeda. Ketika sistem digunakan di tempat ramai, posisi perangkat komunikasi dapat mengubah pengukuran. Penggunaan jaringan nirkabel yang padat dapat mengubah kondisi kanal yang diamati. Selain masalah teknis, aspek privasi dan tata kelola data perlu diperhatikan. Meski proses prediksi dapat dilakukan melalui CSI, aktivitas pengamatan tetap memiliki implikasi privasi. Dengan pendekatan tersebut, penelitian dapat diarahkan pada manfaat yang lebih jelas.

Perkembangan WiFireNet dalam Menggabungkan Sinyal Radio dan AI

Inovasi penginderaan nirkabel dari FOI membuka peluang baru dalam pemanfaatan TEKNOLOGI Wi-Fi untuk analisis lingkungan. Melalui analisis Channel State Information, sistem dapat memperkirakan keberadaan pistol tersembunyi dalam pengujian. Pendekatan pembelajaran yang dibimbing informasi kamera membantu membangun kemampuan model. Namun demikian, pengujian tambahan masih diperlukan sebelum penerapan luas. Penelitian lanjutan harus menguji performa pada lingkungan berbeda. Berkat pengujian yang semakin menyeluruh, analisis sinyal nirkabel mungkin memberikan manfaat tambahan. Menurut Anda, apakah pendeteksian objek melalui Wi-Fi layak dikembangkan lebih lanjut? Sampaikan pendapat Anda tentang masa depan sensor berbasis Wi-Fi.