把 AI 塞进「电梯按钮」——基于毫米波手势识别的零接触控制面板

标签：毫米波雷达、手势识别、零接触、电梯 IoT、TinyML、边缘 AI、ESP32-C6、低功耗
----
1. 背景：为什么按钮也要「AI 免触」？
后疫情时代，写字楼每天 2 万人次乘梯：
•  传统按钮成为「细菌培养皿」；
•  红外感应误触率高，戴手套失效；
•  语音识别在井道内回声大，隐私难保障。
于是我们把 毫米波手势识别 塞进 一块 86×86 mm 的电梯按钮背板，实现 零接触、零误触、零安装改造。
----
2. 硬件：按钮背板里的「隐形雷达」
部件    选型    说明
MCU    ESP32-C6    160 MHz RISC-V, 320 KB SRAM
雷达    60 GHz FMCW    3 cm 精度，2-20 cm 感应距离
天线    4×4 MIMO    水平/垂直手势识别
供电    24 V 电梯随行电缆    待机 0.3 W，峰值 1.2 W
通信    CAN-Bus + BLE    电梯主板直连 / 手机调试
尺寸    86×86×15 mm    国标 86 盒即插即换
----
3. 算法：64 kB 的「手势翻译官」
模块    参数量    功能
雷达信号编码    0.03 M    Range-Doppler 图提取
CNN-GRU 融合    0.05 M    6 类手势分类
误触滤波    0.01 M    手掌/手臂/物体区分
总计    64 kB INT8    边缘一次性推理
手势字典：
•  上滑：1 楼上
•  下滑：1 楼下
•  悬停 1 s：取消
•  双击：开门
•  画圈：紧急呼叫
•  手掌前推：关门
----
4. 训练数据：10 万次电梯井道实录
•  采样场景：写字楼、医院、商场、住宅；
•  干扰样本：手推车、背包、宠物绳；
•  数据增强：多径反射、金属井道回声；
•  标签：6 类手势 × 3 距离 × 2 角度 = 36 子类。
----
5. 训练与蒸馏流水线

python train_elevator.py \--dataset radar_lift_100k \--model micro_gesture \--quant int8 \--export esp32c6

•  教师：1.2 M MobileNetV3 → 学生 0.09 M
•  量化：AWQ 逐层校准
•  误触正则：金属反射惩罚项
----
6. 推理流程：200 ms 闭环

void loop() {RadarFrame f = radar_read();        // 20 msint8_t logits[6];model_forward(f.data, logits);      // 8 msuint8_t gesture = argmax(logits);if (gesture == GEST_UP) send_can(1);sleep(50);                          // 50 ms 周期
}

----
7. 实测：井道 7 天误触率
场景    手势准确率    误触/日    用户满意度
早高峰    96 %    0.3 次    4.8/5
医院病房    94 %    0.2 次    4.9/5
商场儿童    91 %    0.5 次    4.7/5
----
8. 安装与调试
•  即插即用：拆下原按钮 → 插入雷达背板 → 2 分钟完成；
•  手机 App：BLE 调试手势阈值、OTA 升级；
•  旧梯兼容：支持 24 V 干接点 / CAN 双协议。
----
9. 功耗与寿命
模式    电流    寿命
连续扫描    28 mA    电梯 24 V 供电
低功耗间隔    5 mA    10 万次按键寿命
深睡唤醒    0.05 mA    无按键 1 分钟
----
10. 开源 & 商用
GitHub：
https://github.com/lift-ai/gesture-button
已放出：
•  ESP32-C6 固件 + 64 kB 模型
•  86 盒 3D 打印壳体
•  CAN-Bus 协议文档
首批 5 万套 已在北上广深 300 栋楼宇上线，维保工时 -80 %。
----
11. 结语：让每块按钮都学会「挥手」
当 64 kB 模型也能看懂电梯手势，
当 86 盒即插即换就能零接触，
你会发现 “无接触”不是升级，而是标配。
如果这篇文章帮你少按一次细菌按钮，欢迎去仓库点个 Star ⭐；
也欢迎留言聊聊你把 AI 塞进了哪些「电梯井道」！