Forscher des Massachusetts Institute of Technology (MIT) haben eine Bilderkennungstechnik entwickelt, die es Robotern ermöglicht, durch Wände und in verschlossene Boxen zu schauen. Dazu nutzen die Wissenschaftler Signalwellen im Millimeterbereich (mmWave), ähnlich wie bei Wi-Fi. Verborgene Objekte werden aus den ermittelten Reflexionsdaten rekonstruiert und visualisiert.
Das System nennt das MIT "mmNorm", wie die Wissenschaftler in dem Paper "Non-Line-of-Sight 3D Object Reconstruction via mmWave Surface Normal Estimation" (PDF) schreiben. Die Millimeterwellen können durch verschiedene Materialien dringen. Dazu gehören etwa Kunststoff, Karton und Wände aus Gips und Stein. Sie treffen dann auf dahinter liegende Objekte, die die Signale reflektieren. Die Signalreflexionen werden vom System aufgefangen und von einem Algorithmus ausgewertet, der die Form der Objekte rekonstruiert.
Empfohlener redaktioneller Inhalt
Mit Ihrer Zustimmung wird hier ein externes YouTube-Video (Google Ireland Limited) geladen.
YouTube-Video immer laden
Dabei handelt es sich um Schätzungen der Oberflächennormalen. Das System schätzt dabei nicht nur die Position einer Reflexion im Raum, sondern auch die Richtung, aus der die Oberfläche ein Signal reflektiert. Das lässt eine genauere Rekonstruktion des Objekts zu.
Hohe Rekonstruktionsgenauigkeit
Das System erreicht dadurch eine erstaunlich hohe Rekonstruktionsgenauigkeit von 96 Prozent. Dabei kann mmNorm auch kleinere Objekte mit komplexen Strukturen und geschwungenen Formen visualisieren. Zum Vergleich: Ähnliche aktuelle Systeme haben eine Genauigkeit von lediglich 78 Prozent. Häufig können sie kleinere Objekte nicht genau genug rekonstruieren.
Eine Anwendung für mmNorm haben die MIT-Forscher bereits gefunden. Das System könnte an humanoiden Robotern angebracht werden, die in Produktionshallen herumlaufen und etwa Produkte in (verschlossenen) Kartons inspizieren und auf Qualitätsmängel überprüfen. Dass das funktioniert, haben die Wissenschaftler bereits mit einem Roboterarm ausprobiert, an dem mmNorm befestigt war. Das System wurde um ein verborgenes Objekt bewegt, das rekonstruiert und visualisiert werden konnte. Defekte an dem Objekt konnten dabei auf dem virtuellen Abbild erkannt werden.
(olb)
English (US) ·