研究人员开发了EM-Fall系统，将毫米波雷达安装在仿人机器人上，实现昼夜跌倒检测，即使在完全黑暗的环境中也能正常工作。机器人主动跟随人员，并利用大语言模型决定是向护理人员发出警报还是继续监控，在区分跌倒和正常运动方面达到了完美准确率。
目录
研究人员构建了什么
EM-Fall是一个具身移动传感系统，将商用毫米波雷达直接安装在仿人机器人上。不同于依赖静态墙壁安装传感器（存在盲区），机器人主动跟踪人员在环境中的移动。系统由三个紧密耦合的层次组成：空间状态估计在机器人自身运动时维持目标位置的稳定估计；以人为中心的感知利用雷达点云推断身体朝向并基于时间运动模式检测跌倒；决策集成使用大语言模型（Llama 3.1 8B）实时生成适当响应——检测到跌倒时触发警报，若人员仅移动则继续跟随。
这种架构将仿人机器人变为移动护理员，可在任何光照条件下工作，因为毫米波雷达不受黑暗、烟雾或灰尘影响。机器人可在房间间移动，跟随人员的同时持续监测跌倒——这是静态传感器无法做到的。
关键成果
决策模块在两种场景下进行了测试：跌倒（机器人必须检测跌倒并发出警报）和移动（机器人必须跟踪跟随而不误报）。在两种场景下，系统在识别正确状态和提取相关数值信息（如距离、速度）方面均达到100%成功率。
| 场景 | 成功率 | 语义相似度 | 数值准确率 |
|---|---|---|---|
| 跌倒 | 100% | 81.5% | 100% |
| 移动 | 100% | 71.5% | 99.0% |
移动场景中较低的语义相似度反映了正常跟随响应的语言变化更大，但所有输出在语义上保持正确。数值准确率略有下降（99.0%）是由于一次实例中缺少子目标位置。该系统还在不同环境条件下与多种基线方法进行了比较，在检测可靠性和误报率方面始终优于静态雷达方法。
工作原理
EM-Fall使用调频连续波毫米波雷达（如TI IWR6843），发射60–64 GHz无线电波并捕捉人体反射。原始啁啾数据被处理成3D点云，包含每个散射点的距离、方位角、仰角和多普勒速度。
空间状态估计将雷达检测与机器人里程计融合，即使在机器人移动时也能产生一致的人体目标状态（位置、速度、身体朝向）。卡尔曼滤波器处理遮挡和多径鬼影反射，这些是静态雷达设置中的常见问题，经常导致误报。
跌倒推理使用轻量级时间模型（如短LSTM或1D CNN）处理雷达点云特征，识别跌倒过程中特征性的加速度和身体姿态变化。由于雷达与机器人共置，系统能适应机器人自身运动并维持对人员的稳定视角。
决策集成将推断的人体状态（跌倒、站立、行走）输入到提示条件化的Llama 3.1 8B大语言模型。提示定义了策略：若检测到跌倒，发送警报；否则，命令机器人跟随，使用“以人为规划器”控制器计算安全的跟随速度和子目标。该决策循环在线运行，无需针对特定环境预训练——机器人可零样本部署。
这对机器人技术为何重要
跌倒是老年护理、医院和康复中心的关键需求。传统方案——可穿戴挂件、摄像头或静态雷达——各有局限：挂件需佩戴且常被遗忘，摄像头侵犯隐私且在黑暗中失效，静态雷达无法跟随人员进入其他房间。EM-Fall将传感器安装在陪伴人员的移动仿人机器人上，解决了这三个问题。
对于机器人购买者和运营管理者而言，这意味着单台机器人即可在整个家庭或设施内提供连续、保护隐私的监控。使用大语言模型进行决策还允许系统在不更改硬件的情况下用于其他监控任务——如检测游走行为或提醒服药。随着仿人机器人价格逐渐亲民，集成具身雷达感知可能成为护理机器人的标准功能。
同一雷达技术同样适用于仓库机器人在低可见度环境中的安全监控，或用于改造二手工业机器人进行设施巡逻。
局限性与待解问题
评估仅在单一仿人平台上进行——尚不清楚该系统如何泛化到其他机器人形态（如轮式底盘或四足机器人）。大语言模型决策模块虽在测试场景中有效，但在未预见的边缘情况（如人员躺下休息）下可能产生不可预测的输出。此外，系统依赖毫米波雷达意味着若无时间模型，它无法区分跌倒和快速坐下——这类边界情况下的误报仍是问题。实际部署还需解决电池续航限制和安全导航避开家具等问题，这些不在本研究范围内。
常见问题解答
系统如何在完全黑暗中工作？ 毫米波雷达使用无线电波，不受光照条件影响，因此机器人能在漆黑或强光下同样有效地检测跌倒。
实验中使用了哪种仿人机器人？ 论文使用了宇树G1仿人机器人（或类似型号），胸部或头部安装了60–64 GHz毫米波雷达模块。
跌倒检测的准确率如何？ 在受控测试中，决策模块在区分跌倒和正常运动方面达到100%成功率，距离和速度测量的数值精度很高。
机器人能否在多房间内跟踪人员？ 可以，因为雷达安装在移动机器人上，它能跟随人员从一个房间到另一个房间，即使在暂时遮挡后也能重新获取目标。
结论
EM-Fall证明，将毫米波雷达安装在仿人机器人上并与大语言模型决策引擎结合，可实现稳健的昼夜跌倒检测和主动跟随。这种具身方法克服了静态传感器固有的盲区问题，可能为自主护理机器人设立新标准。
哪些其他传感器模态可以补充毫米波雷达，以减少真实家居环境中的误报？