作者：Adam Zewe
編輯：吳海波
MIT創新雷達｜掃描前沿趨勢，洞見科創未來
On Campus and Around World
你能想象機器人可以“看穿”紙箱，準確識別內部物品的形狀和位置嗎？MIT 的一項新技術，利用與 Wi-Fi 類似的毫米波訊號與先進演算法結合，成功實現對被遮擋物體的高精度三維重建。這項突破或將改變未來智慧製造、安防和輔助生活的方式。
一項新系統使機器人能夠利用Wi-Fi訊號的反射來識別被遮擋的三維物體形狀，這項技術在倉庫與工廠環境中具有特別重要的應用價值｜圖源：MIT News；圖示由研究團隊提供
麻省理工學院（MIT）的研究人員開發出一項新型成像技術，有望讓倉庫中的質量檢測機器人透過紙箱看到埋在填充物中的杯子把手是否斷裂。
這項技術利用毫米波（mmWave）訊號——與 Wi-Fi 使用的是同類無線訊號——對被遮擋物體進行三維重建。這類電磁波可以穿透常見障礙物，比如塑膠盒或室內牆壁，並在遇到隱藏物體時產生反射。該系統名為 mmNorm，它收集這些反射訊號，並透過演算法估算物體表面的形狀。
在實驗中，這種方法對形狀複雜、曲面較多的日常物品（如餐具、電鑽等）實現了 96% 的重建精度，而現有最先進的方法僅達到約 78%。更令人驚喜的是，mmNorm 不需要額外頻寬，就能取得如此高的精度，這使它在工廠、養老院等各種場景都有廣泛的應用潛力。
舉個例子：工廠或家庭中的機器人可以藉助 mmNorm 識別抽屜中藏著的工具，把握其具體位置與方向，從而精準抓取和操作，不會誤傷物品。
MIT 電氣工程與計算機科學系副教授、媒體實驗室訊號動力學小組主任Fadel Adib 表示：
該論文由研究助理 Laura Dodds（第一作者）、Tara Boroushaki 和前博士後 Kaichen Zhou 合作完成，並在移動系統國際年會（MobiSys）上進行了展示。
Laura Dodds
本研究的第一作者，MIT媒體實驗室的研究助理。她主導了演算法設計與實驗工作，是 mmNorm 系統的核心開發者之一。她的研究興趣集中在無線感知、機器人感知與計算機視覺的交叉領域。
Tara BoroushakiMIT媒體實驗室的研究助理，專注於無線訊號處理和感知系統的最佳化。在本專案中，她主要參與了資料建模與系統評估部分。她長期關注如何將毫米波技術應用於現實生活場景中。
Kaichen Zhou前MIT博士後研究員，現已轉向工業界或其他研究機構（未指明）。他在本研究中承擔了系統實現與硬體整合的關鍵工作，曾參與多個毫米波雷達與感知系統的研發。
Fadel Adib論文的通訊作者與團隊負責人，MIT電氣工程與計算機科學系副教授、MIT媒體實驗室“訊號動力學（Signal Kinetics）”研究組主任。他長期致力於將無線訊號應用於醫療健康、機器人感知、物聯網等領域，曾多次在頂級會議發表突破性成果。
利用“鏡面反射”看清遮擋物
傳統雷達技術是透過傳送毫米波並接收其反射來探測環境中的隱藏或遠距離物體，稱為“反投影（back projection）”。這種方法適用於大物體，比如被雲遮擋的飛機，但對廚房工具這類小物體而言，成像解析度太低，難以識別。
MIT 的研究人員意識到，以往技術忽略了一個關鍵因素：鏡面反射（specularity）。現實中，大多數表面都會像鏡子一樣反射毫米波。如果物體的表面正對雷達天線，反射訊號會返回；但如果朝向不同，訊號就會偏離雷達，無法被接收。
mmNorm 的關鍵創新在於：不只是估算反射訊號來自哪裡，還要判斷反射點表面的朝向——即“法向量（surface normal）”，也就是表面在某點的方向。透過在每個空間點上估算法向量，mmNorm 就能拼出完整曲面的三維形狀。
研究團隊將毫米波雷達安裝在機械臂上，讓它繞著被遮擋物體移動並持續測量訊號強度。例如，雷達接收器從正對的表面接收的反射最強，而從側面的接收訊號則較弱。每個天線根據接收到的訊號強弱，對錶面方向“投票”，最後綜合所有天線的“意見”，得出每個點的最優法向量。
為了進一步提升精度，研究人員借鑑了計算機圖形學的技術，建立了一個數學函式，自動篩選出最符合實際反射資料的表面，最終實現完整的 3D 重建。
重建細節更精細，適用性更強
研究團隊測試了 mmNorm 對 60 多種複雜物體的重建能力，例如杯子的把手和曲面。結果顯示，該系統的誤差比目前最佳技術少約 40%，並能更準確估算物體的位置。
此外，它還可以區分多個混合在一起的物體，比如同一盒子裡的刀、叉、勺。對不同材質（如木頭、金屬、塑膠、橡膠和玻璃，或它們的組合）也都適用。不過，如果物體被金屬或非常厚的牆體遮擋，這項技術就不適用了。
研究人員指出，這項成果的意義在於提升了實際應用的可能性，比如：
機器人可以識別工具箱內不同工具的位置與形狀，精準抓取
工廠工人戴著增強現實頭顯，可“看到”被遮擋的物體
用於安檢或軍事偵察等領域，可生成更清晰的隱藏物影像
未來，他們計劃進一步提高解析度、最佳化對低反射物體的成像能力，並突破更厚遮擋物的限制。
正如 Dodds 所說：
在人工智慧與感知技術日益融合的今天，MIT 的這項研究不僅展示了毫米波成像的新正規化，也為機器人更智慧地與現實世界互動打開了新的可能。你是否也期待，在不久的將來，機器人能像人一樣“看見”那些被遮擋的世界？
本研究由美國國家科學基金會、MIT 媒體實驗室和微軟公司共同資助。
參考資料：https://news.mit.edu/2025/new-imaging-technique-reconstructs-hidden-object-shapes-0701