在为机器人研发强大感知系统的过程中，一个持续存在的挑战是如何使其在恶劣天气和环境下正常运行。例如，基于光的传统视觉传感器，如摄像头或激光雷达（LiDAR，光探测与测距），在浓烟和浓雾环境中往往难以正常工作。不过，大自然表明，视觉并不一定受限于光线，众多生物已经进化出不依赖于光线来感知周围环境的方法。例如，蝙蝠利用回声定位来导航，而鲨鱼通过感知猎物运动所产生的电磁场来捕食。
无线电波的波长比光波长数个数量级，可更有效地穿透烟雾，甚至可以透过某些材料，均超出了人类的视觉范围。不过，机器人通常依赖于有限的工具组合，要么使用摄像头和LiDAR（可提供详尽的图像，但在具挑战性的条件下会失效），要么使用传统雷达（可穿透墙壁和其他障碍物，但生成的图像粗糙且分辨率低）。
计算机视觉（图片来源：宾夕法尼亚州立大学）
一种新的观察方式
据外媒报道，美国宾夕法尼亚州立大学工程与应用科学学院（University of Pennsylvania School of Engineering and Applied Science，Penn Engineering）的研究人员研发了一款新工具——PanoRadar，通过将简单的无线电波转换成详细的三维（3D）环境视图，赋予机器人超人般的视觉能力。
计算机与信息科学系助理教授Mingmin Zhao表示：“我们最初的问题是能否将两种传感方式的优势加以结合。无线电信号具有稳固性，能够在雾天等其他具挑战性的条件下维持稳定性，还具有与视觉传感器相媲美的高分辨率。”
像灯塔一样旋转
PanoRadar是一款工作方式与灯塔类似的传感器，以圆形轨迹扫描整个视野。该系统由一组旋转的垂直天线阵列构成，能够对周边环境进行扫描。在天线旋转时，其会发射无线电波，并接收来自环境的反射信号，就像灯塔的光束指引着船只和海岸线一样。
借助人工智能（AI）技术的力量，PanoRadar超越了简单的扫描方法。与灯塔在旋转时仅照亮不同区域不同，PanoRadar巧妙地融合了来自所有旋转角度的测量数据，以提升其成像分辨率。尽管传感器的成本仅为昂贵LiDAR系统的一小部分，此种旋转策略却构建了一个密集的虚拟测量点阵，让PanoRadar能够实现与LiDAR相媲美的成像分辨率。
Zhao教授表示：“关键的创新之处在于，我们处理此类无线电波测量数据的方式。我们的信号处理及机器学习算法能够从环境中提取丰富的3D信息。”
教授AI
Zhao教授团队面临的重大挑战之一是，研发算法以在机器人移动时保持高分辨率成像。研究人员表示：“为利用无线电信号实现与LiDAR相媲美的分辨率，我们需要以亚毫米级的精度，结合来自不同位置的测量数据。当机器人在移动时，这变得极具挑战性，因为即便微小的动作误差也会对成像质量造成显著影响。”
该团队面临的另一个挑战是教会系统理解其其观察到的景象。研究人员表示：“室内环境通常具有统一的模式和几何构造，我们借助此类模式来帮助AI系统解读此类雷达信号，与人类学习如何理解所见之物的方式类似。”在训练过程中，该机器学习模型依赖于LiDAR数据来比对自身的理解与现实情况，进而不断自我优化。
研究人员还表示：“我们在不同建筑物内开展的实地测试表明，无线电感应能够在传统传感器无法奏效之处表现优异。该系统可以穿透烟雾，保持精准跟踪，甚至能够绘制带有玻璃墙的空间。”这是由于无线电波不易被空气中的颗粒物阻挡，而且该系统甚至能够“捕获”LiDAR无法探测到的东西，例如玻璃表面。PanoRadar的高分辨率还意味着其能够精准地探测人员，这对于自动驾驶以及在危险环境中执行救援任务等应用而言，是一个至关重要的功能。
展望未来，该研究团队计划探索，如何让PanoRadar与摄像头和LiDAR等其他传感技术协同工作，为机器人打造更强大的多模态感知系统。此外，该团队还在拓展测试范围，以涵盖多种机器人平台和自动驾驶车辆。Zhao教授表示：“对于高风险的任务而言，具备多种感知环境的方式至关重要。每种传感器都有其长处和短处，通过将其智能地结合在一起，我们能够打造出更强大的机器人，以应对真实世界的复杂挑战。”
