Naukowcy z prestiżowego Massachusetts Institute of Technology (MIT) opracowali rewolucyjną technologię obrazowania, która ma potencjał, aby fundamentalnie zmienić sposób, w jaki postrzegamy otaczający nas świat fizyczny. Ich innowacyjny system, nazwany mmNorm, umożliwia precyzyjną trójwymiarową rekonstrukcję obiektów ukrytych za przeszkodami, takimi jak kartonowe pudełka, plastikowe pojemniki, a nawet ściany wewnętrzne. Ta zdolność, przypominająca rentgenowski wzrok z literatury science fiction, otwiera drzwi do niesamowitych zastosowań w robotyce, kontroli jakości, bezpieczeństwie i rzeczywistości rozszerzonej.

Rewolucja w widzeniu niewidzialnego

Wyobraź sobie robota w magazynie, który potrafi „zajrzeć” do zapieczętowanej paczki i jeszcze przed jej otwarciem stwierdzić, czy delikatna zawartość, na przykład ceramiczny kubek, została uszkodzona podczas transportu. Taki scenariusz staje się możliwy dzięki nowemu podejściu wykorzystującemu fale milimetrowe (mmWave). Jest to ten sam rodzaj sygnału, który jest używany w niektórych zaawansowanych systemach Wi-Fi, a jego kluczową cechą jest zdolność do przenikania przez popularne materiały, które są nieprzezroczyste dla ludzkiego oka i kamer optycznych. Zespół badawczy z MIT, z siedzibą w Cambridge w stanie Massachusetts, opracował metodę, która nie tylko wykrywa ukryte obiekty, ale także z wyjątkową precyzją rekonstruuje ich pełny kształt 3D.

System mmNorm zbiera odbite fale milimetrowe i przekazuje je do zaawansowanego algorytmu, który na podstawie tych danych szacuje dokładną geometrię powierzchni ukrytego przedmiotu. W testach przeprowadzonych na szerokiej gamie przedmiotów codziennego użytku o skomplikowanych, zakrzywionych kształtach – od sztućców po wiertarkę elektryczną – nowa technika osiągnęła aż 96-procentową dokładność w rekonstrukcji. Dla porównania, najbardziej zaawansowane istniejące metody w tych samych warunkach osiągnęły zaledwie 78-procentową dokładność, co wskazuje na ogromny skok wydajności.

Przekraczanie ograniczeń tradycyjnego radaru

Klasyczne techniki radarowe, które od dziesięcioleci są używane do wykrywania odległych lub zasłoniętych obiektów, takich jak samoloty w chmurach, opierają się na metodzie znanej jako projekcja wsteczna. Chociaż jest skuteczna w przypadku dużych obiektów, rozdzielczość takiego obrazowania jest zbyt niska, aby rozróżnić drobne szczegóły mniejszych przedmiotów, co ma kluczowe znaczenie dla zastosowań w nowoczesnej robotyce. Fadel Adib, profesor nadzwyczajny na Wydziale Elektrotechniki i Informatyki oraz kierownik grupy Signal Kinetics w MIT Media Lab, podkreśla, że dotychczasowe metody natrafiły na mur. „Konieczne było opracowanie zupełnie innego sposobu wykorzystania tych sygnałów, aby odblokować nowe rodzaje zastosowań”, stwierdza Adib, który prowadził badania wspólnie z Laurą Dodds, Tarą Boroushaki i Kaichenem Zhou.

Zespół z MIT zdał sobie sprawę, że istniejące techniki ignorują kluczową właściwość znaną jako zwierciadlaność. Kiedy fale milimetrowe uderzają w jakąś powierzchnię, zachowuje się ona niemal jak lustro, tworząc odbicia lustrzane (zwierciadlane). Jeśli część powierzchni jest skierowana w stronę anteny radarowej, sygnał odbije się i zostanie odebrany. Jeśli jednak powierzchnia jest obrócona, odbicie powędruje w innym kierunku i zostanie utracone dla czujnika. „Opierając się na zwierciadlaności, naszym pomysłem jest oszacowanie nie tylko lokalizacji odbicia w otoczeniu, ale także orientacji powierzchni w tym punkcie”, wyjaśnia Laura Dodds, główna autorka badania.

Jak działa mmNorm?

W sercu technologii mmNorm leży zdolność do szacowania tak zwanej „normalnej powierzchni”, która jest w istocie wektorem wskazującym kierunek powierzchni w określonym punkcie przestrzeni. Łącząc oszacowania normalnych ze wszystkich punktów, z których sygnał został odbity, system wykorzystuje zaawansowaną formułę matematyczną do rekonstrukcji całego kształtu 3D obiektu.

Prototyp systemu składa się z radaru przymocowanego do ramienia robota. Gdy ramię porusza się wokół przestrzeni, w której znajduje się ukryty przedmiot, radar nieustannie dokonuje pomiarów. System porównuje siłę sygnałów odbieranych w różnych pozycjach, aby oszacować krzywiznę powierzchni. Na przykład antena odbierze najsilniejsze odbicie z części powierzchni skierowanej bezpośrednio w jej stronę, a słabsze sygnały z tych części, które są pod kątem. Ponieważ na radarze znajduje się wiele anten, każda z nich „głosuje” na kierunek normalnej powierzchni na podstawie siły otrzymanego sygnału. „Niektóre anteny mogą mieć bardzo silny głos, inne bardzo słaby, a my łączymy wszystkie głosy, aby uzyskać jedną normalną powierzchni, co do której zgadzają się wszystkie lokalizacje anten”, dodaje Dodds. Ten proces prowadzi do powstania chmury punktów z przypisanymi normalnymi, z której, za pomocą technik zapożyczonych z grafiki komputerowej, generowana jest ostateczna, szczegółowa rekonstrukcja 3D.

Szeroki zakres zastosowań i przyszły potencjał

Oprócz osiągnięcia znacznie mniejszego błędu w rekonstrukcji (o około 40 procent mniej niż istniejące podejścia), mmNorm potrafi również precyzyjnie rozróżniać wiele obiektów ukrytych razem, takich jak widelec, nóż i łyżka w tym samym pudełku. Technologia okazała się skuteczna na przedmiotach wykonanych z różnych materiałów, w tym drewna, metalu, plastiku, gumy i szkła. Jedynym obecnym ograniczeniem są przedmioty ukryte za grubymi metalowymi barierami lub bardzo grubymi ścianami.

Potencjalne zastosowania są ogromne i różnorodne:

• Przemysł i logistyka: Roboty wyposażone w tę technologię mogą rozróżniać narzędzia w skrzynce, precyzyjnie określać kształt i położenie rękojeści młotka i bezpiecznie go podnosić. W magazynach zautomatyzowana kontrola jakości może być przeprowadzana bez otwierania paczek.


• Rzeczywistość rozszerzona (AR): Pracownik fabryki lub budowlaniec mógłby używać okularów AR, które w czasie rzeczywistym pokazywałyby mu wierne obrazy całkowicie zasłoniętych obiektów, takich jak rury czy instalacje elektryczne wewnątrz ściany, zanim zacznie wiercić.


• Bezpieczeństwo i obrona: Technologia mogłaby zostać zintegrowana z istniejącymi aplikacjami bezpieczeństwa, takimi jak skanery na lotniskach, umożliwiając bardziej precyzyjne rekonstrukcje ukrytych przedmiotów. Ma również potencjał w rozpoznaniu wojskowym.


• Pomoc w domu: W przyszłości mogłaby być wykorzystywana w systemach pomocy osobom starszym, pomagając w lokalizowaniu często gubionych przedmiotów.

Tara Boroushaki, jedna z badaczek, podkreśla, że wyniki jakościowe mówią same za siebie i że „stopień poprawy ułatwia rozwój aplikacji wykorzystujących te rekonstrukcje 3D o wysokiej rozdzielczości do nowych zadań”. Zespół planuje kontynuować pracę nad poprawą rozdzielczości, zwiększeniem wydajności w przypadku słabiej odbijających obiektów i umożliwieniem obrazowania przez jeszcze grubsze przeszkody. „Ta praca naprawdę stanowi zmianę paradygmatu w sposobie, w jaki myślimy o tych sygnałach i procesie rekonstrukcji 3D”, podsumowuje Dodds, zapowiadając ekscytującą przyszłość, w której niewidzialny świat stanie się widzialny.

Źródło: Massachusetts Institute of Technology