Un dormitorio a las tres de la madrugada es un lugar incómodo para instalar una cámara. Una carretera que se pierde en la niebla no es el mejor sitio para fiarse de una. Sobre una ciudad, la pregunta urgente puede ser si un punto en movimiento es un pájaro o un dron. El radar tiene algo que aportar en cada uno de estos casos, y la IA le está ayudando a dar respuestas más útiles.
Hablar de una «segunda vida» exige matices. El radar nunca se retiró: la aviación, la predicción meteorológica y la defensa lo mantuvieron ocupado. Su nueva oportunidad está en interpretar el mundo con una escala y un nivel de detalle que más aplicaciones pueden aprovechar. Las redes neuronales aprenden patrones en las reflexiones, el movimiento y el tiempo, y ayudan a reconocer actividades, clasificar objetos y estimar lo que ocurrirá a continuación. Se apoyan en décadas de procesado de señal.1
01El eco se convierte en respuesta
Este resurgimiento tiene varios padres. Unos chips radar y unos diseños de antena más capaces mejoran las medidas; la IA permite sacar partido a más de esas medidas. La colaboración de NXP con Zendar en 2023, por ejemplo, busca más resolución combinando varios radares en una apertura efectiva mayor. El hardware sigue importando: un algoritmo no puede negociar con información que no existe.2
La investigación ya tiene un volumen considerable. Una revisión de 2026 analizó 85 artículos revisados por pares publicados entre 2018 y 2025 sobre aprendizaje profundo para el reconocimiento de actividad humana con radar FMCW, una arquitectura compacta habitual. Se trata de una rama especializada, no de un recuento de todo el campo.3 El capital también se mueve hacia oportunidades concretas: MatrixSpace anunció una ronda Serie B de 20 millones de dólares en octubre de 2025 para su negocio de radar potenciado con IA.4 Son señales de actividad; ninguna demuestra que la IA por sí sola haya provocado un resurgimiento del mercado.
Artículos en una revisión sobre aprendizaje profundo para reconocimiento de actividad con radar FMCW. [3]
Una ronda de financiación comunicada por MatrixSpace. Una señal de empresa, no un total de mercado. [4]
02Una discreción útil
En el ámbito asistencial, el atractivo es inmediato: detectar una posible caída sin instalar vídeo ni pedir a nadie que recuerde llevar un dispositivo. Vayyar comercializa alertas de caída basadas en radar e información generada con IA sin cámaras ni grabación de sonido; sus sensores formaron parte del piloto de tecnología asistencial de Redbridge en 2025.5, 6 La ventaja práctica es que la ayuda dependa menos de que alguien llegue a pulsar un botón.
La investigación sobre el sueño muestra cuánta información puede extraerse de una señal pequeña. Un estudio de 2025 en Nature Communications adaptó un modelo de aprendizaje profundo a señales respiratorias obtenidas por radar y alcanzó un 75,81 % de precisión en la clasificación del sueño en cuatro fases sobre su conjunto de datos radar.7 Es un resultado de investigación con errores, y un recordatorio de que la discreción no es anonimato. Un sensor que revela el sueño o las rutinas diarias sigue generando información sensible. La oportunidad para la privacidad depende del consentimiento, de una conservación limitada de los datos y del control sobre lo que sale del dispositivo.
03Cuando la imagen empeora
Que el radar no dependa de la luz visible, y su relativa robustez con mal tiempo, cobran valor a medida que las máquinas asumen tareas de responsabilidad.1 En 2025, Arbe anunció un trabajo con NVIDIA sobre el cartografiado mediante IA del espacio transitable a partir de radar. El objetivo va más allá de seguir al vehículo de delante: entender por dónde podría circular un vehículo.8
A otra escala, el radar meteorológico aporta las observaciones de NowcastNet, que combina restricciones físicas con aprendizaje profundo para predecir la precipitación con hasta tres horas de antelación. En su estudio de 2023, 62 meteorólogos lo situaron en primer lugar en el 71 % de los casos evaluados frente a los métodos de comparación.9 Unos avisos a corto plazo mejores podrían dar margen a los equipos de emergencia. Aun así, esa evaluación mide qué predicción prefieren los expertos, no vidas salvadas.
En defensa, el problema de la clasificación es especialmente delicado. Un pájaro confundido con un dron desvía la atención; un dron no detectado puede ser catastrófico. Robin Radar utiliza redes neuronales profundas con firmas micro-Doppler, los pequeños patrones de movimiento de alas o rotores. En 2025 comunicó un 80 % menos de falsas alarmas con un nuevo modelo en una configuración de funcionamiento concreta.10 La demanda es tangible: el Ministerio de Defensa neerlandés anunció en agosto de 2024 un pedido de 51 radares móviles de Robin para Ucrania.11
04¿Qué merece nuestra confianza?
La siguiente prueba es operativa. Las reflexiones pueden ser ambiguas, los datos de entrenamiento incompletos y los entornos desconocidos implacables.1, 3 Quien vaya a comprar debería preguntar por los eventos no detectados, las falsas alarmas por hora, el rendimiento en emplazamientos nuevos y el comportamiento cuando la confianza se desploma. Una alerta asistencial necesita a alguien que responda. Un clasificador de defensa necesita decisiones humanas de las que alguien responda. Una demostración convincente no resuelve ninguna de las dos cuestiones.
Para CHIRP, la oportunidad de doble uso más interesante es la demanda compartida de una percepción fiable: proteger a las personas en espacios privados, mantener en funcionamiento las infraestructuras y comprender las amenazas. Cada aplicación necesita salvaguardas distintas, aunque compartan ingeniería.
La segunda vida del radar se ganará allí donde la IA convierta un eco en una decisión en la que las personas puedan confiar. La pregunta más interesante es cuánto conocimiento podemos obtener recogiendo solo lo que la tarea requiere.
05Fuentes y notas sobre la evidencia
Fuentes consultadas el 28 de septiembre de 2026. El argumento refleja la interpretación editorial que hace CHIRP de la evidencia. Los resultados de investigación, los anuncios de producto y los registros de compra se identifican por separado a continuación.
Cómo leer las cifras
Actividad investigadora. La cifra de 85 artículos es el número de trabajos incluidos por Dang y colaboradores para un subcampo entre 2018 y 2025. No es una serie temporal anual ni un recuento mundial de «IA + radar», y por sí sola no demuestra crecimiento. Una revisión de 2024 de Sénica, Marques y Figueiredo documenta un aumento de búsquedas en IEEE Xplore de «Artificial Intelligence Radar» entre 2015 y 2022 (figura 4). Esa búsqueda histórica no se extrapola aquí a 2026.
Emprendimiento. La Serie B de 20 millones de dólares de MatrixSpace es una ronda comunicada por la empresa, no inversión ni ingresos del sector. Es evidencia de financiación para una empresa de radar e IA. En esta investigación no se ha encontrado un censo anual fiable de nuevas empresas de radar, por lo que no se afirma ningún recuento global ni tasa de crecimiento. MatrixSpace sitúa su fundación a finales de 2019 en su anuncio de lanzamiento de 2022.
Investigación del sueño. El 75,81 % se refiere específicamente a la clasificación en cuatro fases sobre el conjunto de datos ClinRadar. El corpus de entrenamiento más amplio del artículo contiene señales respiratorias de otros métodos de medida; no es un conjunto de 15.785 noches de radar. El resultado no establece una precisión universal ni sustituye a la evaluación clínica.
Meteorología. El 71 % de NowcastNet es la proporción de casos evaluados en los que los expertos prefirieron su predicción frente a los métodos de comparación. No es una «precisión de predicción del 71 %», y el estudio no mide resultados en la respuesta a emergencias. El radar meteorológico y los radares compactos de interiores o de vehículos son sistemas distintos; su hilo común aquí es la interpretación aprendida de observaciones radar.
Defensa y figura 01. El ministerio confirma la compra de 51 radares móviles destinados a Ucrania, no una entrega ni un rendimiento verificados de forma independiente. La comparación de Robin de 2025 se refiere a distintas versiones de redes neuronales, no a IA frente a una referencia puramente convencional. Comunica una reducción del 80 % de las falsas alarmas cuando los umbrales mantienen alcances de clasificación similares para drones grandes, con alcances duplicados para drones pequeños. El gráfico simplemente indexa el nivel anterior a 100 y calcula 100 × (1 − 0,80) = 20; ninguna de las dos cifras es un recuento medido de alarmas por hora.
Causalidad. Estas fuentes respaldan un abanico creciente de aplicaciones y ejemplos concretos de avance. No aíslan la contribución de la IA al crecimiento global del mercado radar frente a los avances en hardware, la capacidad de cálculo disponible, la regulación o los cambios en la demanda.
- Srivastav & Mandal. Radars for Autonomous Driving: A Review of Deep Learning Methods and ChallengesRevisión de investigación · IEEE Access · 2023
Capacidades del radar, métodos de aprendizaje, incertidumbre, clutter y limitaciones de los conjuntos de datos. Versión publicada.
- NXP and Zendar accelerate high-resolution radar developmentAnuncio de empresa · 2 de noviembre de 2023
El radar de apertura distribuida y la integración de semiconductores ilustran la contribución complementaria del hardware.
- Dang et al. Deep Learning-based Human Activity Recognition with FMCW Radar: A ReviewRevisión de investigación · IEEE Sensors Journal · 2026
El resumen alojado por los autores recoge 85 publicaciones revisadas por pares de 2018–2025 e identifica carencias pendientes de robustez y evaluación. Registro del editor.
- MatrixSpace completes $20M Series B fundingAnuncio de empresa · 15 de octubre de 2025
Inversión comunicada en una empresa de radar potenciado con IA. Se usa como ejemplo individual de financiación.
- Vayyar Care AIInformación de producto del fabricante · Consultado en septiembre de 2026
Monitorización sin cámaras ni audio, alertas de caída e información generada con IA. Su descripción tecnológica vincula los datos radar con aplicaciones de aprendizaje automático. Las capacidades son las que afirma el fabricante.
- Care City. Redbridge Care Tech Pilot: A Year of Innovation in Falls PreventionInforme del socio de implantación · 4 de septiembre de 2025
Confirma los sensores de Vayyar entre las tecnologías del piloto. No se atribuye al radar ningún resultado global del programa.
- Zhuang et al. Advancing sleep health equity through deep learning on large-scale nocturnal respiratory signalsEstudio revisado por pares · Nature Communications · 22 de octubre de 2025
La sección de resultados y la tabla 2 distinguen la clasificación del sueño específica de radar de los resultados con banda respiratoria.
- Arbe collaborates with NVIDIA on radar-based free-space mappingAnuncio de empresa · 6 de enero de 2025
Procesado con IA de datos radar de alta resolución para la percepción del vehículo. Un desarrollo y una demostración anunciados, no una prueba de seguridad en toda una flota.
- Zhang et al. Skilful nowcasting of extreme precipitation with NowcastNetEstudio revisado por pares · Nature · 5 de julio de 2023
Predicciones basadas en radar con hasta tres horas de antelación; evaluación experta de 62 meteorólogos. DOI.
- Robin Radar. Deep neural networks in the IRIS radarDescripción técnica del fabricante · 3 de febrero de 2025
Fuente de la clasificación micro-Doppler y de la reducción condicionada del 80 % de falsas alarmas usada en la figura 01.
- Dutch Ministry of Defence. Mobile drone-detection radars for UkraineAnuncio de compra pública · 21 de agosto de 2024
Compra de 51 radares móviles de Robin. Resumen del ministerio en inglés, 28 de agosto de 2024.