在数据驱动的未来，传感器被视为连接物理世界与数字世界的桥梁。然而，传统的传感器大多依赖电池供电，这在一定程度上限制了它们的广泛应用和实时感知能力。11月5日，加州大学圣地亚哥分校电气和计算机工程系的研究团队在中国杭州举行的第22届ACM嵌入式网络传感器系统会议(SenSys 2024)上展示了他们的研究：利用RFID标签实现无电池传感，这一突破性的研究不仅拓宽了传感器的应用范围，更为数据收集的未来开辟了新的道路。研究团队的核心成员包括电气和计算机工程系副教授Dinesh Bharadia和电气工程专业的博士生Nagarjun Bhat。他们发现，RFID标签，这种通常用于跟踪库存或支付卡信息的设备，其实具备巨大的潜力，可以被重新利用来进行无电池感应和跟踪。RFID标签的工作原理相对简单：它们从芯片接收数据并传输到RFID阅读器，阅读器处理信息后发送到计算机程序进行解释。这些标签通常嵌入在衣服、书籍等产品中，且随着技术的普及，高达90%的零售商都在使用RFID技术，使得芯片分布广泛且容易获取。Bhat和Bharadia的研究重点在于利用这些普遍的RFID标签来实现被动传感。传统的被动传感方法大多依赖于模数转换器，这些转换器虽然能够测量刺激并将其转换为计算机可读的数字值，但它们的耗电量大，且需要额外的电池支持。而Bhat和Bharadia则试图探索一种无需转换器、直接利用芯片感知刺激的方法。

他们发现，模拟感应接口是解决这一问题的关键。与数字接口不同，模拟接口能够将传感器产生的电压/电流变化直接转换为无线信号的参数，从而实现数据的无线传输。而RFID标签作为商业化、低成本且易于获取的传感器设备，正是实现这一目标的理想选择。Bhat和Bharadia的传感器不仅成本低廉，而且具有实时感测和报告刺激的能力。这意味着，无论是在农业管理、运动表现指标还是占用检测等领域，这种无电池RFID传感器都能够提供更为精确和及时的数据支持。

例如，在农业管理中，通过在田地周围部署大规模的土壤湿度传感器，可以远程测量水分含量，并根据当前条件调整灌溉方式。这不仅提高了灌溉效率，还降低了成本。同样，在运动领域，通过将RFID传感器标签嵌入鞋底，可以实时监测运动员的弹跳力等运动指标，为训练提供更加精准的数据支持。此外，这种无电池RFID传感器在停车场占用检测、环境监测等领域也有着广泛的应用前景。它们能够实时收集大量难以访问的信息，为下一代人工智能的发展提供强大的数据支持。Bharadia表示：“人工智能现在无处不在，它是由传感器提供的数据驱动的。我们正处于一场革命的尖端，新的传感器将收集数据，为下一代人工智能提供动力。使用无电池传感器让我们能够收集大量难以访问的信息——它们可以增强数据收集，这一创新标志着未来真正重要的方向。”