Существующие радиолокационные методы, которые тоже используют миллиметровые волны (mmWave), хорошо работают для обнаружения крупных объектов, например, самолетов, скрытых облаками. Но когда дело доходит до мелких и сложных предметов, вроде кухонной утвари или инструментов в ящике, эти технологии дают очень низкое разрешение. Ранее попытки повысить точность с помощью стандартной обратной проекции не приносили нужного результата.

Ученые MIT поняли, что причина в том, что предыдущие методы игнорировали ключевое физическое свойство — зеркальность отражений. Когда радар посылает миллиметровые волны, большинство поверхностей отражают их, как зеркало. Но антенна радара улавливает только те сигналы, которые отражаются от поверхностей, направленных прямо на нее. Если поверхность направлена в сторону — сигнал просто «уходит», и система его не фиксирует. Чем больше площадь поверхности объекта, тем выше шанс, что хотя бы часть отражённого сигнала вернется на антенну, даже если объект расположен под неудобным углом. У мелких предметов сложной формы поверхность меньше, из-за чего сигнал рассеивается в разные стороны.

Чтобы преодолеть этот барьер, команда разработала новую систему под названием mmNorm, которая впервые научилась оценивать не только, где находится отражение, но и в каком направлении повернута поверхность объекта в этой точке. Система строит так называемую нормаль поверхности и на основе этих данных восстанавливает полную трехмерную форму предмета.

Исследователи разработали прототип mmNorm, установив радар на роботизированную руку, которая двигается вокруг скрытого объекта и собирает сигналы с разных сторон. Система оценивает силу отражений: антенны фиксируют более сильные сигналы от поверхностей, направленных к ним, и слабые — от наклонённых. Сравнивая эти данные, mmNorm «голосует» за определенную форму объекта. Затем специальный алгоритм собирает «голоса» в единую 3D-модель, используя методы из компьютерной графики.

Команда проверила способность mmNorm реконструировать более 60 объектов со сложными формами, такими как ручка и изгиб кружки. Результаты оказались впечатляющими: mmNorm смогла с точностью 96% восстанавливать форму сложных объектов, включая посуду, инструменты и предметы с изогнутыми поверхностями, что на 40% точнее, чем у существующих методов. Система также умеет отличать несколько предметов в одной закрытой коробке и работает с объектами из разных материалов — дерева, металла, пластика и даже стекла.

Тем не менее, технология пока не справляется с задачами, если объект находится за металлической преградой или толстыми стенами. В будущем ученые планируют улучшить разрешение и адаптировать решение для более сложных условий.