近日，科技媒体TechRadar发布了一篇博文中指出，麻省理工学院的研究团队成功开发出一项名为mmNorm的新技术。该技术能够利用毫米波信号（与Wi-Fi相同的频段）重构隐藏在视线受阻环境中的物体，并且其识别精度显著超越现有雷达技术18%。
这项创新技术能够在箱子内部、墙壁后方或物体下方等复杂环境中，帮助人工智能更精准地感知和识别物体。这种能力为无接触式检测领域带来了新的突破。
传统的雷达技术主要依赖背投影扫描方法，这种方法生成的图像分辨率较低，并且在检测小型物体或被遮挡目标时效果欠佳，导致实际应用受到限制。
与传统方法不同，mmNorm技术并未直接测量信号反射的位置。而是通过估计物体表面的方向（即所谓的表面法线），从而推断出物体的三维曲率信息。
该系统能够整合来自多个天线位置的大量估算数据，最终实现对复杂形状物体的高精度重构。例如，在检测杯子把手、箱内刀具和勺子等精细结构时表现出色。
据博文介绍，mmNorm技术在超过60个测试物体上的重建准确率达到96%，远超现有技术78%的平均准确度。该系统对木材、塑料、玻璃和橡胶等材质的物体表现尤为优异，但在面对高密度金属或厚重障碍物时仍面临一定挑战。
目前，研究人员正致力于提升该技术的分辨率和对不同材质的敏感度，以拓展更多应用场景。在安全扫描、军事侦察等领域，mmNorm无需打开包裹即可识别隐藏物品，展现出巨大潜力。此外，在仓储自动化、灾害救援以及辅助生活等场景中，这项技术也有望为人工智能机器人提供更可靠的环境感知能力。
附上参考地址
-
Reflected Wi-Fi signals could enable robots to find and manipulate hidden objects
-
Laura Dodds et al, Non-Line-of-Sight 3D Object Reconstruction via mmWave Surface Normal Estimation (2025)
相关文章
