Учёные Массачусетского технологического института (MIT) разработали новоиспеченную технологию визуализации, которая позволит роботам контроля качества на складах «видеть» сквозь картонные коробки и выявлять повреждения скрытых объектов. Разработанная система, получившая название mmNorm, использует миллиметровые волны (mmWave), аналогичные тем, что используются в Wi-Fi, для создания буквальных трёхмерных реконструкций объектов, скрытых от прямого обзора.
Эти волны способны проникать сквозь такие препятствия, такие пластиковые контейнеры или внутренние стены домов, отражаясь от объектов. Система mmNorm собирает эти отражения и подаёт их на вход алгоритма, который оценивает форму поверхности объекта. В ходе тестирования новоиспеченный подход достиг 96% точности реконструкции для различных предметов со сложной формой. Для сравнения, лучшие существующие методы достигают лишь 78% точности.
При этом mmNorm не спрашивает дополнительной полосы пропускания. Эта эффективность позволяет использовать метод в самых разных условиях. Например, mmNorm может поддержать роботам на фабрике или в доме различать инструменты, спрятанные в ящике, и определять их рукоятки, чтобы они могли более эффективно хватать и манипулировать предметами.
Ключевым отличием mmNorm от традиционных радаров, является учёт явления зеркальности отражения волн. В то пора как старые методы игнорировали этот параметр, mmNorm использует информацию о направлении отражённого сигнала для оценки так нормали поверхности – вектора, перпендикулярного к поверхности в этой точке. Комбинируя оценки нормалей поверхности во всех точках, система реконструирует трёхмерную модель объекта.
Для создания прообраза mmNorm исследователи использовали роботизированную руку с установленным на ней радаром, который непрерывно проводит измерения по мере перемещения кругом скрытого предмета. Система сравнивает силу получаемых сигналов в разных точках для оценки кривизны поверхности объекта. Сигналы от массы антенн радара «голосуют» за направление нормали поверхности, а затем эти голоса объединяются для получения наиболее вероятного результата.
Система также способна различать несколько объектов, находящихся в одной коробке, и трудится с объектами из различных материалов, включая дерево, металл, пластик, резину и стекло, за исключением объектов, скрытых за металлом или весьма толстыми преградами.
В будущем учёные планируют улучшить разрешение системы, повысить её производительность для менее отражающих объектов и гарантировать возможность получения изображений сквозь более толстые препятствия. Они также намерены изучить возможности применения mmNorm в различных районах, включая робототехнику и дополненную реальность.