Los mapas digitales disponibles de entornos interiores se limitan a una descripción del entorno geométrico, a pesar de que existe una necesidad urgente de obtener información más precisa, especialmente datos sobre las propiedades electromagnéticas de los materiales utilizados para las paredes. Tales datos permitirían nuevas posibilidades en el diseño y optimización de redes inalámbricas y el desarrollo de nuevos servicios de radio. En este documento, presentamos, formalizamos y evaluamos un marco para el aprendizaje automático (ML) basado en la detección inalámbrica de materiales de superficie interiores en forma de propiedades electromagnéticas. Aplicamos las firmas del entorno de radio (RE) del enlace inalámbrico, que inherentemente contiene información ambiental debido a la interacción de las ondas de radio con el entorno. Especificamos el contenido de la firma RE adecuado para la clasificación de materiales de superficie como un conjunto de componentes de trayectoria múltiple dados por la potencia recibida, el retardo, el cambio de fase y el ángulo de llegada. El marco propuesto aplica un enfoque de ML para construir un modelo de clasificación utilizando firmas RE etiquetadas con la información ambiental. El método de ML explota los datos obtenidos de mediciones o simulaciones. El rendimiento del marco en diferentes escenarios se evalúa en función de métricas de rendimiento de ML estándar, como la precisión de clasificación y el puntaje F. Los resultados del caso elemental demuestran que el enfoque propuesto se puede aplicar para la clasificación del material de superficie para un entorno llano, y se puede ampliar aún más para la clasificación de materiales de pared en entornos interiores más complejos.