Los investigadores del MIT han desarrollado exitosamente una nueva tecnología de imagen llamada mmNorm, que utiliza señales de ondas milimétricas para crear reconstrucciones 3D precisas de objetos bloqueados por la línea de visión. Con esta tecnología, los robots de control de calidad en almacenes pueden ver a través de cajas de cartón y descubrir asas de tazas dañadas bajo espuma de empaque. Las señales de ondas milimétricas pueden penetrar obstáculos comunes como contenedores de plástico e paredes interiores; después de ser reflejadas por objetos ocultos, son recolectadas por el sistema mmNorm e introducidas en un algoritmo que estima la forma de la superficie del objeto.
La precisión de reconstrucción de mmNorm para objetos cotidianos con formas curvas complejas alcanza el 96%, superando ampliamente el 78% de precisión de los métodos base de vanguardia actuales, y sin necesidad de ancho de banda adicional. Esta eficiencia la hace adecuada para escenarios como fábricas y instalaciones de vida asistida. Por ejemplo, en fábricas o hogares, los robots pueden usar mmNorm para distinguir herramientas en cajones y reconocer mangos, manipulando objetos de manera más efectiva. Fadel Adib, profesor asociado del Departamento de Ingeniería Eléctrica y Ciencias de la Computación del MIT, dijo: “Necesitamos encontrar una manera completamente diferente de usar estas señales para desbloquear nuevos tipos de aplicaciones”.
Aunque la tecnología de radar tradicional puede detectar objetos ocultos, su resolución de imagen para objetos pequeños es gruesa. Los investigadores del MIT descubrieron que las técnicas de proyección inversa existentes ignoran las características de reflexión especular. mmNorm estima los normales de superficie, es decir, la dirección de la superficie en puntos específicos del espacio, y reconstruye objetos 3D combinando fórmulas matemáticas. Los investigadores conectaron el radar a un brazo mecánico para crear un prototipo de mmNorm, estimando la curvatura de la superficie del objeto comparando la intensidad de las señales en diferentes posiciones. Esta tecnología también puede distinguir múltiples objetos y funciona bien con objetos de varios materiales, pero no es efectiva para objetos ocultos detrás de metal o paredes gruesas.
Las pruebas muestran que mmNorm reduce el error en aproximadamente un 40% al reconstruir más de 60 objetos con formas complejas, con estimaciones de posición más precisas. En el futuro, mmNorm puede integrarse con dispositivos de realidad aumentada para ayudar a trabajadores de fábricas a ver imágenes realistas de objetos bloqueados, y también incorporarse en aplicaciones de seguridad y defensa para mejorar la precisión de escáneres de seguridad en aeropuertos o reconocimiento militar. Los investigadores esperan mejorar la resolución de la tecnología, potenciar la imagen de objetos de baja reflectividad y hacer que las ondas milimétricas penetren obstáculos más gruesos.
