在为机器人开发强大的感知系统的竞赛中，一个持续的挑战是在恶劣的天气和恶劣的条件下运行。例如，传统的基于光的视觉传感器，如摄像头或激光雷达（光探测和测距）在大雾和浓烟中会失效。

然而，大自然已经证明，视觉并不一定受到光的限制——许多生物已经进化出不依赖光来感知环境的方法。蝙蝠利用声波的回声导航，而鲨鱼则通过感知猎物运动的电场来捕猎。

无线电波的波长比光波长几个数量级，可以更好地穿透烟雾和雾，甚至可以穿透某些材料——所有这些能力都超出了人类的视野。然而，机器人传统上依赖于有限的工具箱：它们要么使用摄像头和激光雷达，它们可以提供详细的图像，但在具有挑战性的条件下失效；要么使用传统雷达，它们可以穿透墙壁和其他遮挡物，但产生粗糙的低分辨率图像。

现在，宾夕法尼亚大学工程与应用科学学院（Penn Engineering）的研究人员开发出了一种新工具——PanoRadar，通过将简单的无线电波转换成详细的环境3D视图，赋予机器人超人的视觉。

“我们最初的问题是我们是否能够结合两个传感模式最好的,”赵说七点半,在计算机和信息科学助理教授。“无线电信号的鲁棒性，可以适应雾和其他具有挑战性的条件，以及视觉传感器的高分辨率。”

在一篇将在2024年移动计算与网络（MobiCom）国际会议上发表的论文中，赵和他来自无线、音频、视觉和传感电子（WAVES）实验室和宾夕法尼亚大学嵌入式计算与集成系统工程研究（PRECISE）中心的团队，包括博士生赖昊文、近期硕士研究生罗高翔和本科生研究助理刘亦菲，介绍了PanoRadar如何利用无线电波和人工智能（AI）让机器人在最具挑战性的环境中导航，比如烟雾弥漫的建筑物或雾蒙蒙的道路。

PanoRadar是一种像灯塔一样工作的传感器，它把光束扫成一圈，扫描整个地平线。该系统由一个旋转的垂直天线阵列组成，可以扫描周围环境。当它们旋转时，这些天线发出无线电波，并听取它们在环境中的反射，就像灯塔的光束显示船只和海岸特征的存在一样。

得益于人工智能的力量，PanoRadar超越了这种简单的扫描策略。与灯塔旋转时简单地照亮不同区域不同，PanoRadar巧妙地结合了所有旋转角度的测量结果，以提高其成像分辨率。虽然传感器本身的成本仅为典型昂贵的LiDAR系统的一小部分，但这种旋转策略创建了密集的虚拟测量点阵列，这使得PanoRadar能够实现与LiDAR相当的成像分辨率。“关键的创新在于我们如何处理这些无线电波测量，”赵解释说。“我们的信号处理和机器学习算法能够从环境中提取丰富的3D信息。”

赵的团队面临的最大挑战之一是开发算法，在机器人移动时保持高分辨率的成像。该论文的第一作者Lai解释说：“为了用无线电信号达到与激光雷达相当的分辨率，我们需要将来自许多不同位置的测量结果结合起来，达到亚毫米的精度。”“当机器人移动时，这变得特别具有挑战性，因为即使是很小的运动误差也会显著影响成像质量。”

该团队面临的另一个挑战是教他们的系统理解它所看到的东西。“室内环境具有一致的图案和几何形状，”罗说。“我们利用这些模式来帮助我们的人工智能系统解释雷达信号，类似于人类如何学会理解他们所看到的东西。”在训练过程中，机器学习模型依靠激光雷达数据来检查其对现实的理解，并能够继续改进自己。

刘说：“我们在不同建筑上的现场测试表明，无线电传感在传统传感器难以做到的地方表现出色。”“该系统在烟雾中保持精确的跟踪，甚至可以绘制玻璃墙空间的地图。”这是因为无线电波不容易被空气中的粒子阻挡，而且该系统甚至可以“捕捉”激光雷达无法捕捉的东西，比如玻璃表面。PanoRadar的高分辨率也意味着它可以准确地检测人员，这是自动驾驶汽车和危险环境中的救援任务等应用的关键功能。

展望未来，该团队计划探索全景雷达如何与其他传感技术（如摄像头和激光雷达）一起工作，为机器人创造更强大的多模态感知系统。该团队还在扩大他们的测试范围，包括各种机器人平台和自动驾驶汽车。“对于高风险的任务，拥有多种感知环境的方式是至关重要的，”赵说。“每个传感器都有其优点和缺点，通过智能地结合它们，我们可以创造出更好地应对现实世界挑战的机器人。”

作者：宾夕法尼亚大学工程与应用科学学院

链接：https://www.sciencedaily.com/releases/2024/11/241112123749.htm

著作权归作者所有。

声明：海森大数据刊发或者转载此文只是出于传递、分享更多信息之目的，并不意味认同其观点或证实其描述。若有来源标注错误或侵犯了您的合法权益，请作者与本网联系，我们将及时更正、删除，谢谢。电话：152 6451 3609，邮箱：1027830374@qq.com