麻省理工发明新技术帮助机器人“看到”密封箱内的物品

美国麻省理工学院（MIT）的研究人员近日公布了一项突破性技术，该技术能够使机器人利用类似于Wi-Fi的无线电信号，以极高的精度“看到”并重建完全隐藏在箱盒、抽屉或墙壁等障碍物后面的三维物体形态。这项被命名为“mmNorm”的新技术，通过一种创新的物理信息解读方式，成功克服了长期困扰射频传感领域的关键瓶颈，其意义远超传统的“穿墙”探测，标志着人工智能感知能力的一次重大飞跃——从仅仅探测物体的存在，进化到能够精确理解其复杂的几何形状。

过去，利用无线电波“透视”障碍物的技术虽然存在，但始终受限于一个基本的物理难题：镜面反射（specular reflections）。当毫米波信号（与Wi-Fi频率相近）撞击一个光滑物体表面时，其行为酷似光线照射在镜子上，大部分能量会以一个特定的角度反射离开，只有极少部分信号能返回到接收天线。这种物理特性导致以往的算法（如背投影法）只能接收到稀疏、不完整的信号，最终生成的图像分辨率极低，往往只是一些模糊不清的斑点，尤其在面对工具或餐具等小型复杂物体时，几乎完全失效。麻省理工学院信号动力学小组主任、该研究的资深作者法德尔·阿迪布坦言，其团队在此问题上曾屡屡碰壁，因为传统方法虽在数学上堪称优雅，却无法在实际应用中取得实质性进展。

mmNorm技术的革命性在于，它不再试图对抗或忽略镜面反射，而是巧妙地利用了这一物理现象。研究团队转换了思路，不再仅仅追问“信号是从哪里反弹回来的？”，而是提出了一个更深层次的问题：“从信号反射的方式来看，物体表面的朝向和角度是怎样的？”。该论文的主要作者劳拉·多兹解释，他们的核心想法是不仅要估计反射点在环境中的位置，还要估计该点表面的方向，即“表面法线”。

具体而言，系统会从多个不同的位置发射和接收信号。由于镜面反射的特性，隐藏物体的不同部分会将信号以不同强度反射到不同的天线。多兹将此过程比喻为一场“投票”：“有些天线的‘投票率’（接收到的信号强度）可能非常高，有些则非常低。我们可以将所有这些投票合并在一起，生成一个所有天线位置都‘同意’的表面法线图。”通过智能地整合海量此类估计值，系统最终能够以点构成面，以面构成体，精确地重建出隐藏物体的三维曲率和完整轮廓。

这一方法的有效性在实验中得到了充分验证。在针对超过60个不同物体的测试中，mmNorm的3D形态重建准确率达到了惊人的96%，相比之下，现有最佳技术仅能达到78%。这18个百分点的提升代表了从“模糊感知”到“精确识别”的质变。实验结果显示，该系统不仅能分辨出藏在纸箱中的刀和勺子之间的形态差异，甚至能清晰地重建出杯子把手这样精细的结构特征。

这项技术的潜在应用前景极为广阔。在物流和仓储自动化领域，机器人将能够在不开箱的情况下识别包装箱内的具体物品，从而极大地提升库存管理和订单处理效率。在搜索与救援场景中，救援机器人可以穿透废墟，不仅能探测生命迹象，更能识别出被困人员周围的工具或障碍物形状，为制定救援方案提供关键信息。此外，在安防、军事侦察以及辅助生活（如帮助视障人士在杂乱的抽屉中找到特定物品）等领域，这种非侵入式的“透视”能力都将发挥不可或缺的作用。

当然，如同所有新兴技术一样，mmNorm目前也存在局限性。它对于木材、塑料、玻璃和橡胶等材料制成的物体表现优异，但对于能够完全阻挡或吸收毫米波信号的致密金属或过厚的障碍物，其穿透和重建能力仍然有限。研究团队表示，未来的工作重心将是进一步提高系统的分辨率和对不同材料的敏感度，以持续拓宽其应用边界。

总而言之，mmNorm的问世，不仅仅是射频传感技术的又一次迭代更新。它通过破解镜面反射这一基础物理难题，从根本上改变了机器解读无线电信号的方式，为人工智能开辟了一条感知物理世界的新维度。这项技术预示着一个未来的到来：机器人将能够穿透视觉的迷雾，以人类无法企及的方式去理解和互动那个被隐藏起来的世界。