麻省理工学院的研究团队经过十余年探索，开发出一种能让机器人“透视”障碍物并定位隐藏物品的技术。该方法依赖可穿透表面的无线信号，这些信号在隐蔽物体上发生反射。近期，科学家引入生成式人工智能模型，有效解决了长期制约精度的关键瓶颈。
这一创新方法通过反射的无线信号对隐藏目标进行局部重建，并借助专门训练的生成式AI模型补全缺失部分，从而生成更精确的形状。这有望提升机器人抓取和操控被遮挡物体的可靠性。此外，团队还扩展了系统功能，利用固定雷达发射的无线信号在移动人体上的反射，准确重建包含全部家具的室内场景。
该技术避免了将无线传感器安装在移动机器人上进行环境扫描的需求，同时与常见摄像头方案相比，更好地保护了人员隐私。法德尔·阿迪布教授表示：“我们正在开发生成式AI模型来理解无线反射。这不仅是能力的飞跃——从填补空白到解释反射并重建整个场景，更开启了利用AI最终解锁无线视觉的新途径。”
在具体实现中，团队使用毫米波信号，这类信号能穿透干墙、塑料等材料。然而，毫米波的镜面反射特性导致信号仅向单一方向反射，使得物体许多区域无法被传感器捕获。为此，研究人员通过调整大型计算机视觉数据集模拟毫米波反射特性，创建合成数据训练生成式AI模型。
由此构建的Wave-Former系统能对约70种日常物品进行忠实重建，准确率较先进基线提升近20%。同时，扩展系统RISE利用人体移动产生的多径反射（包括“幽灵信号”）重建整个房间，其精度约为现有技术的两倍。未来工作将聚焦于提升重建细节，并探索为无线信号构建大型基础模型。
这些进展有望应用于仓库机器人验证包装物品以减少退货浪费，以及智能家居机器人理解人员位置以增强交互安全。相关论文已发布于arXiv预印本服务器，并将于IEEE计算机视觉与模式识别会议上正式发表。
出版详情：作者：Adam Zewe, Massachusetts Institute of Technology；标题：《Generative AI improves a wireless vision system that sees through obstructions》；发表于：《arXiv》(2025)。
