你知道嗎？機(jī)器人已經(jīng)可以看穿紙箱和繞過遮擋物。它能提前知道紙箱里面裝了什么，或能幫助網(wǎng)購(gòu)用戶實(shí)現(xiàn)隔箱驗(yàn)貨，不用再擔(dān)心快遞盒子拆開之后難退貨；掃地機(jī)器人也能提前知道自己身后是否藏著雜物，從而能夠繞道作業(yè)。

這些功能的實(shí)現(xiàn)基于美國(guó)麻省理工學(xué)院團(tuán)隊(duì)的一系列新成果。他們使用毫米波信號(hào)加上最新的AI，造出了一套叫 Wave Former 的系統(tǒng)。這套系統(tǒng)能穿透紙板、塑料、干墻、布料，看見被完全遮擋的物體，還能把物體的完整形狀重建出來。

（來源：相關(guān)論文）

他們還有另一套叫 RISE 的系統(tǒng)，能利用房間里走動(dòng)的人，反推出整個(gè)房間的布局。

這兩項(xiàng)研究的主要作者之一都是 Laura Dodds，她是 MIT 媒體實(shí)驗(yàn)室的研究助理。兩篇論文都已被 IEEE 計(jì)算機(jī)視覺與模式識(shí)別會(huì)議接收。

圖 | Laura Dodds（來源：GitHub）

他們用毫米波雷達(dá)，就是那種和 Wi-Fi 用相同頻段的無線電波來照亮遮擋物后面的物體。毫米波能穿透普通材料，打到物體上再?gòu)椈貋�，就像聲吶和雷達(dá)的原理一樣。

但這里有一個(gè)大麻煩，毫米波的反射方式跟光不一樣。光照到粗糙表面會(huì)向四面八方散開，所以相機(jī)能拍到物體的各個(gè)面。毫米波卻像鏡子，只有正好朝向雷達(dá)的那一小塊表面會(huì)把信號(hào)彈回來，其他部分會(huì)把信號(hào)彈向別處。

所以傳統(tǒng)方法只能看到物體的正面，側(cè)面和背面完全看不見，就像你站在鏡子前只能看見自己的臉，看不見后腦勺。

（來源：相關(guān)論文）

Wave Former 的妙處在于，它先用物理學(xué)方法從毫米波信號(hào)里拼出一塊不完整的拼圖，然后用生成式 AI 把這個(gè)拼圖補(bǔ)全。但這又引出一個(gè)新問題，AI 需要海量數(shù)據(jù)訓(xùn)練，可毫米波數(shù)據(jù)少得可憐，根本不夠用。

研究團(tuán)隊(duì)的解決辦法非常聰明，他們從現(xiàn)有的計(jì)算機(jī)視覺數(shù)據(jù)集里找圖像，把那些圖像改造成毫米波反射的樣子。比如，他們故意讓圖像只保留正面部分，再把其他面隨機(jī)去掉，再往里面加模擬的噪聲，讓這些假數(shù)據(jù)看起來和真實(shí)的毫米波反射一模一樣。

然后用這些數(shù)據(jù)訓(xùn)練一個(gè)叫 PoInTr 的 AI 模型，讓它學(xué)會(huì)從殘缺的拼圖里猜出完整形狀。

整套系統(tǒng)分三步走。

第一步，毫米波雷達(dá)掃描物體，生成一堆候選表面，每個(gè)候選表面都是一種可能的猜測(cè)。

第二步，把這些猜測(cè)喂給訓(xùn)練好的 AI 模型，讓模型補(bǔ)全形狀。

第三步，從這些補(bǔ)全后的形狀里挑一個(gè)最好的。他們用了一個(gè)叫熵的指標(biāo)，熵越高意味著越亂越不可靠，他們選熵最低的那個(gè)，也就是最整齊最合理的那個(gè)形狀。

實(shí)驗(yàn)里，他們用了 61 種日常物品做測(cè)試，從罐頭、盒子到扳手、電鉆，全部藏在紙板箱或布料后面。Wave Former 的召回率達(dá)到了 72%，比第二名高出一大截，而且精準(zhǔn)度保持 85%。

這意味著它不僅能找到大部分物體，而且找得準(zhǔn)。他們還特意測(cè)試了極端情況，當(dāng)雷達(dá)只能看到 18% 的物體表面時(shí)，其他方法已經(jīng)徹底蒙圈，Wave Former 依然能還原出大致形狀，誤差比對(duì)手小了 20%。

（來源：相關(guān)論文）

第二項(xiàng)研究 RISE 利用房間里走動(dòng)的人來重建整個(gè)房間的布局。原理是人走路的時(shí)候會(huì)激發(fā)多徑反射，信號(hào)先打到人身上，再?gòu)椀綁ι希購(gòu)椈乩走_(dá)，這些鬼影信號(hào)平時(shí)都被當(dāng)成噪聲扔掉，但它們其實(shí)攜帶著墻壁和家具的信息。Dodds 告訴媒體，通過分析這些反射隨時(shí)間的變化，就能粗略理解周圍環(huán)境。

（來源：相關(guān)論文）

他們用同樣的思路來訓(xùn)練 AI，先造出一堆模擬的多徑反射數(shù)據(jù)，教 AI 理解鬼影和房間布局之間的關(guān)系。

測(cè)試時(shí)，他們讓真人拿著雷達(dá)在11種不同房間里走了 100 條路線，生成了 5 萬幀數(shù)據(jù)。RISE 系統(tǒng)把房間布局的重建誤差從 40 厘米降到了 16 厘米，比對(duì)手精準(zhǔn)了 60%。它還能同時(shí)檢測(cè)出桌子、柜子、沙發(fā)這些家具，交并比達(dá)到了 58%。

該團(tuán)隊(duì)的負(fù)責(zé)人、麻省理工學(xué)院 Fadel Adib 教授說，他們花了十幾年研究怎么讓機(jī)器人看見遮擋物后面的東西，之前的方法受限于物理原理，精度總提不上去�，F(xiàn)在他們用生成式 AI 終于跨過了這道坎，從填補(bǔ)看不見的縫隙到理解整個(gè)場(chǎng)景，這是一次質(zhì)的飛躍。

這套系統(tǒng)目前還依賴真人走動(dòng)來激發(fā)多徑反射，如果房間完全沒人就失效了。而且毫米波對(duì)金屬和很厚的墻無能為力。

研究團(tuán)隊(duì)下一步要造出專門針對(duì)無線信號(hào)的基礎(chǔ)模型，希望能像 ChatGPT 那樣通用，到那時(shí)候預(yù)計(jì)隨便一個(gè) Wi-Fi 路由器就能看見整個(gè)屋子。

參考資料：

相關(guān)論文https://arxiv.org/pdf/2511.14019和https://arxiv.org/pdf/2511.14152

https://news.mit.edu/2026/generative-ai-improves-wireless-vision-system-sees-through-obstructions-0319

https://news.mit.edu/2025/new-imaging-technique-reconstructs-hidden-object-shapes-0701

https://laura-dodds.github.io/

運(yùn)營(yíng)/排版：何晨龍