Que se passe-t-il si les mêmes balises RFID « Smart Barcode » utilisées pour suivre les packages et les stocks de vente au détail pouvaient également détecter des changements dans le monde réel – comme la température, la pression ou le poids – sans batteries ou matériel ajouté?
Cette idée est désormais une réalité, grâce à une équipe de chercheurs à partir du Center for Wireless Communications (CWC) de l'UC San Diego et de l'Institut Qualcomm qui a développé un système de détection passif RFID robuste et en temps réel, c'est-à-dire une technique qui peut mesurer des phénomènes naturels en utilisant l'énergie radiofréquence (RF) récoltée.
Ishan Bansal, un étudiant de maîtrise de deuxième année en génie informatique, et Dinesh Bharadia, professeur agrégé de génie électrique et informatique à la Jacobs School of Engineering, se dirigent la charge d'un nouveau papier.
Nommé Sensync, l'innovation logicielle a récemment remporté le prix du meilleur papier lors de la conférence RFID de l'IEEE 2025. Le papier est intitulé « Sensync: détection passive en temps réel et précise ».
« Contrairement à beaucoup de conférences, IEEE RFID a beaucoup d'implication de l'industrie », a expliqué Nagarjun Bhat, co-auteur du journal primé « , Sensync: détection passive en temps réel et précise » et Ph.D. Élève en génie électrique à la Jacobs School of Engineering.
« Il s'agit d'un espace où il y a beaucoup de potentiel commercialisable, car les entreprises prennent les idées d'ici et les utilisent pour construire un produit qui atteindra des milliers de personnes à l'avenir. »
Lead Auteur Bansal a expliqué que Sensync est un bond en avant pour la détection passive, car il met en évidence la façon dont l'infrastructure RFID existante peut être réoutillée pour permettre la détection sans batterie en temps réel. Les étiquettes RFID à faible coût sont déjà utilisées dans des milliards de produits dans le monde.
Alors que les travaux antérieurs de BHAT et CWC ont indiqué comment les balises RFID peuvent être utilisées pour détecter les données du point de vue matériel, Sensync est ce qui met l'image.
Lorsque vous utilisez un système de détection différentielle qui implique deux CI RFID connectés à la même antenne, il leur est possible d'interférer les uns avec les autres. Au lieu d'envoyer leurs données au lecteur simultanément, Bansal a noté que les données arriveraient séquentiellement. Cela peut provoquer de légères différences dans les flux de données, ce qui rend difficile la détermination des valeurs correctes.
« Mon algorithme rassemble les deux séquences divergentes et en a du sens », a déclaré Bansal. « Cela nous permet de sentir clairement, réutiliser la RFID pour obtenir des données de capteur fiables sans fils ni batteries. »
Résoudre les défis de longue date dans la détection passive de la RFID
Les systèmes RFID ont traditionnellement été optimisés pour l'identification, et non la détection – c'est ce qui est utilisé pour suivre les packages ou les bagages vérifiés. Alors que d'autres systèmes similaires comme Bluetooth existent, les appareils RFID sont beaucoup plus matures et répandus. Environ 50 milliards d'étiquettes RFID sont vendues chaque année, a déclaré Bansal, contre quatre à cinq milliards d'appareils Bluetooth.
Mais malgré leur disponibilité, la mise en œuvre des systèmes RFID n'est pas toujours facile.
Les lecteurs commerciaux RFID sont tenus de suivre des protocoles de communication stricts qui incluent souvent le saut de fréquence ou la lecture d'étiquettes séquentielles; Dans la pratique, cela signifie que les signaux éventuellement déformés et les décalages de synchronisation ont historiquement rendu les applications de détection notoirement peu fiables.
Sensync résout ces problèmes en utilisant un algorithme appelé Dynamic Time Warping (DTW), qui a été initialement utilisé dans la reconnaissance vocale.
Alors, comment ça marche? Sensync synchronise – d'où le nom – Data diffuse à partir de plusieurs balises RFID passives et utilise des comportements de signal différentiels pour obtenir des lectures fiables.
« Nous ne voulons pas modifier les données de base », a expliqué Bansal, « nous voulons juste bien le faire correspondre. »
Il a noté que Sensync offre cinq fois plus de résolution sensorielle et huit fois le débit de données par rapport aux méthodes de détection passives passives précédentes, ce qui signifie qu'elle peut traiter jusqu'à 500 échantillons de données par seconde avec des taux d'erreur de sous-degré, même dans des environnements dynamiques complexes.
« Nous avons pu montrer que le flux de données pouvait être poussé chaque seconde sans perdre de précision ou de fidélité », a-t-il ajouté.
Détection du monde réel, repensé
Cette capacité de détection améliorée ouvre des applications pratiques allant de l'automatisation des entrepôts et de la surveillance des parcelles agricoles à l'amélioration de la détection médicale et de la mesure des déchets alimentaires.
Déjà, Bansal, Bhat et le reste de leur équipe de recherche ont souligné comment Sensync peut fonctionner dans un environnement de réalité augmentée (AR) et a également été reconnu lors de la conférence Sensys 2025 (co-organisée par ACM et IEEE) pour avoir la meilleure démo – Runner-Up.
À l'aide d'une application AR basée sur un smartphone, les participants à la conférence de l'IEEE RFID 2025 ont vu en temps réel comment les balises RFID pouvaient montrer la quantité de force appliquée ou visualiser la teneur en humidité dans un pot de sol via AR.
Ou, a dit Bhat, imaginez un entrepôt plein de boîtes sur des boîtes. Vous pouvez simplement pointer une caméra de téléphone ou des lunettes AR dans une boîte et voir instantanément son poids sans jamais le toucher, a-t-il expliqué.
« AR aujourd'hui est principalement limité à ce que votre flux de vision vous fournit », a-t-il noté. « Mais, la détection multimodale enrichit les données en tirant la température des stimuli que nous ne pouvons pas voir. Tout cela est fait par l'algorithme; sans cela, toutes les données que vous collectez seraient bruyantes et difficiles à traiter en temps réel. »
Et, parce que Sensync est sans batterie, fonctionne sur des étiquettes RFID commerciales et ne nécessite aucune donnée de formation ni de recalibrage, Bansal a déclaré qu'il offre une solution de détection plus durable et évolutive qui peut fonctionner de manière fiable dans des environnements intérieurs, extérieurs ou mobiles.
« Notre solution est en fait vraiment omniprésente », a-t-il dit, expliquant que « vous pouvez le laisser tomber n'importe où, et cela fonctionnera de la même manière ».
De la RFID à l'IA physique
Bhat, Bansal et Bharadia estiment que Sensync pourrait être plus qu'une simple mise à niveau de la détection passive – cela pourrait être le fondement de l'IA physique qui relie les mondes réels et virtuels.
« Les grands modèles de langue (LLM) alimentent l'IA autour de nous », a expliqué Bharadia, ajoutant que la plupart des machines d'apprentissage s'appuient sur du texte, de la voix ou des images, qui sont tous largement disponibles et facilement accessibles. Mais d'autres informations sensorielles comme la température et l'humidité ne sont pas encore disponibles pour quelqu'un pour construire un LLM. « Pour responsabiliser nos espaces physiques avec l'IA, vous auriez besoin de capteurs et de détection. »
« Sensync est vraiment une innovation », a-t-il ajouté, « qui peut fournir cette détection sans batterie et le faire avec une utilisation extrêmement faible et pas de fils. »
