麻省理工学院研究人员成功开发出一种名为mmNorm的新型成像技术，该技术利用毫米波信号为视线受阻物体创建精确3D重建。通过这一技术，仓库中的质量控制机器人可透过纸板运输箱，发现包装泡沫下损坏的杯子把手。毫米波信号能穿透塑料容器、内墙等常见障碍物，被隐藏物体反射后，由mmNorm系统收集并输入算法，估算物体表面形状。

mmNorm对复杂弯曲形状日常物品的重建精度高达96%，远超当前最先进基线方法78%的精度，且无需额外带宽。这一高效性使其适用于工厂、辅助生活设施等多种场景。例如，在工厂或家中，机器人可利用mmNorm区分抽屉内工具并识别手柄，更有效地抓取和操纵物体。麻省理工学院电子工程与计算机科学系副教授Fadel Adib表示：“我们需要找到一种与过去截然不同的方法使用这些信号，以解锁新的应用类型。”

传统雷达技术虽能检测隐藏物体，但对小物件图像分辨率粗糙。麻省理工学院研究人员发现，现有反向投影技术忽略了镜面反射特性。mmNorm通过估计表面法线，即空间中特定点的表面方向，结合数学公式重建3D对象。研究人员将雷达连接到机械臂，创建mmNorm原型，通过比较不同位置信号强度估算物体表面曲率。该技术还能区分多个物体，对各种材质物体表现良好，但对隐藏在金属或厚墙后的物体无效。

测试显示，mmNorm重建60多个形状复杂物体时，误差降低约40%，位置估计更准确。未来，mmNorm可与增强现实头戴设备配合，帮助工厂工人看到遮挡物体的逼真图像，还可融入安全和防御应用，提高机场安全扫描仪或军事侦察的精确度。研究人员希望提高技术分辨率，增强对低反射率物体的成像性能，并使毫米波穿透更厚遮挡物。

更多信息： Laura Dodds 等，《通过毫米波表面法线估计实现非视线三维物体重建》(2025)。