扫码在线咨询
|
麻省理工学院 | MIT新技术让机器人“*”遮挡物，实现96%精准还原隐藏物体MIT创新雷达｜扫描前沿趋势，洞见科创未来 On Campus and Around World 你能想象机器人可以“看穿”纸箱，准确识别内部物品的形状和位置吗？MIT 的一项新技术，利用与 Wi-Fi 类似的毫米波信号与先进算法结合，成功实现对被遮挡物体的高精度三维重建。这项突破或将改变未来智能制造、安防和辅助生活的方式。 一项新系统使机器人能够利用Wi-Fi信号的反射来识别被遮挡的三维物体形状，这项技术在仓库与工厂环境中具有特别重要的应用价值｜图源：MIT News；图示由研究团队提供 麻省理工学院（MIT）的研究人员开发出一项新型成像技术，有望让仓库中的质量检测机器人透过纸箱看到埋在填充物中的杯子把手是否断裂。 这项技术利用毫米波（mmWave）信号——与 Wi-Fi 使用的是同类无线信号——对被遮挡物体进行三维重建。这类电磁波可以穿透常见障碍物，比如塑料盒或室内墙壁，并在遇到隐藏物体时产生反射。该系统名为 mmNorm，它收集这些反射信号，并通过算法估算物体表面的形状。 在实验中，这种方法对形状复杂、曲面较多的日常物品（如餐具、电钻等）实现了 96% 的重建精度，而现有最先进的方法仅达到约 78%。更令人惊喜的是，mmNorm 不需要额外带宽，就能取得如此高的精度，这使它在工厂、养老院等各种场景都有广泛的应用潜力。 举个例子：工厂或家庭中的机器人可以借助 mmNorm 识别抽屉中藏着的工具，把握其具体位置与方向，从而精准抓取和操作，不会误伤物品。 MIT 电气工程与计算机科学系副教授、媒体实验室信号动力学小组主任Fadel Adib 表示： “我们一直在研究这个问题，但过去的方法虽然数学上很优雅，却难以达到我们想要的效果。要真正实现这类应用，我们必须对这些信号的使用方式进行根本性改变。” 该论文由研究助理 Laura Dodds（第一作者）、Tara Boroushaki 和前博士后 Kaichen Zhou 合作完成，并在移动系统国际年会（MobiSys）上进行了展示。 Laura Dodds 本研究的第一作者，MIT媒体实验室的研究助理。她主导了算法设计与实验工作，是 mmNorm 系统的核心开发者之一。她的研究兴趣集中在无线感知、机器人感知与计算机视觉的交叉领域。 Tara Boroushaki Kaichen Zhou Fadel Adib 传统雷达技术是通过发送毫米波并接收其反射来探测环境中的隐藏或远距离物体，称为“反投影（back projection）”。这种方法适用于大物体，比如被云遮挡的飞机，但对厨房工具这类小物体而言，成像分辨率太低，难以识别。 MIT 的研究人员意识到，以往技术忽略了一个关键因素：镜面反射（specularity）。现实中，大多数表面都会像镜子一样反射毫米波。如果物体的表面正对雷达天线，反射信号会返回；但如果朝向不同，信号就会偏离雷达，无法被接收。 mmNorm 的关键创新在于：不只是估算反射信号来自哪里，还要判断反射点表面的朝向——即“法向量（surface normal）”，也就是表面在某点的方向。通过在每个空间点上估算法向量，mmNorm 就能拼出完整曲面的三维形状。 研究团队将毫米波雷达安装在机械臂上，让它绕着被遮挡物体移动并持续测量信号强度。例如，雷达接收器从正对的表面接收的反射最强，而从侧面的接收信号则较弱。每个天线根据接收到的信号强弱，对表面方向“投票”，最后综合所有天线的“意见”，得出每个点的最优法向量。 为了进一步提升精度，研究人员借鉴了计算机图形学的技术，建立了一个数学函数，自动筛选出最符合实际反射数据的表面，最终实现完整的 3D 重建。 研究团队测试了 mmNorm 对 60 多种复杂物体的重建能力，例如杯子的把手和曲面。结果显示，该系统的误差比目前最佳技术少约 40%，并能更准确估算物体的位置。 此外，它还可以区分多个混合在一起的物体，比如同一盒子里的刀、叉、勺。对不同材质（如木头、金属、塑料、橡胶和玻璃，或它们的组合）也都适用。不过，如果物体被金属或非常厚的墙体遮挡，这项技术就不适用了。 研究人员指出，这项成果的意义在于提升了实际应用的可能性，比如： 机器人可以识别工具箱内不同工具的位置与形状，精准抓取 工厂工人戴着增强现实头显，可“看到”被遮挡的物体 用于安检或军事侦察等领域，可生成更清晰的隐藏物图像 未来，他们计划进一步提高分辨率、优化对低反射物体的成像能力，并突破更厚遮挡物的限制。 正如 Dodds 所说： “这项工作真正改变了我们对信号和三维重建过程的认知方式。我们非常期待这些成果能带来更广泛的应用影响。” 在人工智能与感知技术日益融合的今天，MIT 的这项研究不仅展示了毫米波成像的新范式，也为机器人更智能地与现实世界互动打开了新的可能。你是否也期待，在不久的将来，机器人能像人一样“看见”那些被遮挡的世界？ |
