Percepción de la sala en tiempo real, funcionando en apenas 15 MB

Imagina una cámara inteligente que sabe al instante cuántas manos están levantadas, quién está de pie, quién sentado y en qué momento alguien se levanta de su silla; y todo procesado en tiempo real, en el propio dispositivo, sin nube, sin identificación personal y sin ceder nada en privacidad.

Ese fue el reto que asumimos: construir un modelo de IA lo bastante ligero para funcionar íntegramente en hardware integrado con solo CPU, en un espacio menor que una foto de móvil, y aun así rendir en tiempo real en salas de reuniones y aulas llenas de gente.

En lugar de recurrir a visión por computador genérica y pesada, diseñamos una cadena de procesado hecha a medida: estimación de pose compacta centrada en el torso, combinada con razonamiento geométrico sencillo para inferir gestos —una mano levantada, el paso de estar sentado a estar de pie— sin llegar nunca a seguir ni identificar a nadie. El resultado funciona con holgura dentro del ajustado presupuesto de memoria y procesamiento del dispositivo, y ofrece información a nivel de sala a través de una API limpia y lista para integrar.

La prueba de que una IA potente no necesita hardware potente, solo el enfoque adecuado.