AI在线 7 月 8 日消息，科技媒体 techradar 今天（7 月 8 日）发布博文，报道称麻省理工学院研究人员开发 mmNorm 新技术，利用毫米波信号（millimeter-wave，与 Wi-Fi 相同频率范围）重构隐藏的 3D 物体，其准确度超过了现有雷达技术 18%。
这项技术能够在视线受阻的环境中，如箱子内部、墙壁后或物体下方，帮助人工智能（AI）更好地识别物体。
传统雷达技术主要依赖背投影（back projection）方法扫描，所产生的图像分辨率低，且在扫描小型或被遮挡的物体上效果不佳。
mmNorm 技术不是简单地测量信号反射的位置，而是估计表面的方向，即研究者所说的表面法线（surface normal）。
通过结合不同天线位置的大量估计，系统能够重构物体的 3D 曲率，甚至能够区分如杯子把手或箱子里的刀和勺子等细微的形状差异。
AI在线援引博文介绍，这种新方法在超过 60 个物体上的重建准确度达到了 96%，超过了现有方法 78% 的准确度。该系统在木材、塑料、玻璃和橡胶制成的物体上表现良好，尽管在面对密集的金属或厚实障碍物时仍存在困难。
研究人员目前正努力提高分辨率和材料敏感性，进一步增加潜在的应用场景。在安全扫描或军事领域，mmNorm 技术无需打开包裹或箱子，可以重构隐藏物品的形状。这种能力对于仓库自动化、搜救甚至辅助生活环境中的人工智能机器人来说可能至关重要。
AI在线附上参考地址
Reflected Wi-Fi signals could enable robots to find and manipulate hidden objects
Laura Dodds et al, Non-Line-of-Sight 3D Object Reconstruction via mmWave Surface Normal Estimation (2025)
