麻省理工学院研究人员开发出一种名为mmNorm的新型成像技术，该技术利用毫米波(mmWave)信号(与Wi-Fi信号类型相同)，为仓库质量控制机器人及各类高端设备制造场景下的机器人应用带来了革命性突破。借助此技术，机器人能够穿透纸板运输箱等障碍物，精准发现埋藏在包装泡沫下的物品缺陷，如杯子的破损把手，极大提升了检测的准确性和效率。

mmNorm系统通过发射毫米波信号，使其穿透塑料容器、内墙等常见障碍物，并接收被隐藏物体反射的信号。随后，系统将这些反射信号输入算法，精确估算物体表面形状，实现对视线受阻物体的3D重建。研究显示，该技术对一系列具有复杂弯曲形状的日常物品(如银器和电钻)的重建精度高达96%，远超最先进基线方法78%的精度，且无需额外带宽，展现出极高的应用价值。

在高端设备制造领域，mmNorm技术具有广泛的应用前景。例如，在工厂环境中，机器人可借助该技术区分隐藏在抽屉里的工具，并准确识别其手柄，从而更有效地抓取和操纵物体，避免损坏。此外，该技术还可与增强现实头戴设备配合使用，使工厂工人能够看到完全遮挡物体的逼真图像，提升操作精度和安全性。

传统雷达技术虽能通过背投影检测隐藏或远处的物体，但对于机器人可能需要识别的小物件(如厨房用具)，图像分辨率过于粗糙。麻省理工学院研究人员在研发mmNorm过程中，突破传统思维，发现并利用了镜面反射这一重要特性。他们开发出mmNorm算法，通过估计表面法线(即空间中特定点的表面方向)，并结合特殊的数学公式，实现了对3D对象的高精度重建。

为验证mmNorm技术的有效性，研究人员创建了一个连接雷达与机械臂的原型系统。机械臂在围绕隐藏物体移动时持续进行测量，系统通过比较不同位置接收到的信号强度，估算物体表面的曲率。测试结果显示，mmNorm在重建60多个形状复杂的物体(如杯子的手柄和曲线)时，与最先进的方法相比，重建误差降低了约40%，同时还能更准确地估计物体的位置。

此外，mmNorm技术还能区分多个物体，如藏在同一个盒子里的叉子、刀子和勺子，且对各种材质的物体(包括木材、金属、塑料、橡胶、玻璃以及多种材质的组合)均表现良好。不过，该技术对于隐藏在金属或厚墙后面的物体则无法发挥作用。

麻省理工学院的研究团队表示，他们将继续探索mmNorm技术的潜在应用，并希望在未来工作中提高该技术的分辨率，增强其对反射率较低的物体的成像性能，使毫米波能够更有效地穿透更厚的遮挡物进行成像。这项研究不仅代表了信号处理和三维重建技术的范式转变，更为高端设备制造、机器人应用、安全防御等多个领域带来了新的发展机遇。

据悉，该研究成果已于6月23日至27日在阿纳海姆举行的年度移动系统、应用和服务国际会议(ACM MobiSys 2025)上进行了展示，引起了广泛关注。随着技术的不断成熟和应用场景的拓展，mmNorm有望成为高端设备制造领域的一项重要技术突破。

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)。