重新定义机器人：普渡大学的创新机器视觉解决方案

普渡大学的研究人员在机器人、机器视觉和感知领域取得了重大突破。他们的开创性方法相比传统技术有了显著改进，承诺一个未来，机器可以比以往任何时候都更有效、更安全地感知周围环境。

介绍HADAR：机器感知革命性飞跃

Zubin Jacob，电气和计算机工程的Elmore副教授，与研究科学家Fanglin Bao合作，推出了一个名为HADAR的开创性方法，HADAR是热辅助检测和测距的缩写。他们的创新引起了广泛关注，这一认可进一步提高了人们对HADAR在各个领域的潜在应用的期待。

传统上，机器感知依赖于主动传感器，如LiDAR、雷达和声纳，它们发出信号来收集三维数据。然而，这些方法存在挑战，特别是在扩大规模时。它们容易受到信号干扰，甚至可能对人类安全构成风险。低光条件下视频摄像机的局限性和传统热成像中的“鬼影”效应进一步复杂了机器感知。

HADAR旨在解决这些挑战。 “物体和环境不断发出和散射热辐射，导致形成没有纹理的图像，人们常将其称为‘鬼影’，” Bao解释道。他继续说，“热成像中的人脸只显示轮廓和一些温度对比；没有特征，使其看起来像一个鬼魂。这种信息、纹理和特征的丧失是机器感知使用热辐射的障碍。”

HADAR的解决方案是热物理学、红外成像和机器学习的结合，实现完全被动和物理感知的机器感知。Jacob强调了HADAR带来的范式转变，指出：“我们的工作建立了热感知的信息论基础，表明黑暗中携带的信息量与明亮白天相同。进化使人类偏向白天。未来的机器感知将克服长期以来白天和黑夜之间的二元对立。”

实际影响和未来方向

HADAR的有效性通过其在夜间越野场景中恢复纹理的能力得到了体现。 “HADAR TeX视觉恢复了纹理，克服了鬼影效应，” Bao指出。它准确地描绘了复杂的图案，如水波纹和树皮皱褶，展示了其卓越的感知能力。

然而，在HADAR能够集成到现实世界应用中，如自动驾驶汽车或机器人之前，还有挑战需要解决。Bao指出：“当前的传感器很大很重，因为HADAR算法需要多种不可见的红外辐射。要将其应用于自动驾驶汽车或机器人，我们需要减小尺寸和价格，同时也要使摄像机更快。” 目标是提高当前传感器的帧率，目前每秒创建一张图像，以满足自动驾驶汽车的需求。

在应用方面，虽然HADAR TeX视觉目前针对自动驾驶汽车和机器人进行了优化，但其潜在应用范围更为广泛。从农业、国防到医疗保健和野生动物监测，可能性是巨大的。

由于他们的开创性工作，Jacob和Bao获得了DARPA的资金，并从技术商业化办公室的Trask创新基金获得了5万美元的奖励。该二人已将他们的创新成果提交给普渡创新技术商业化办公室，开始了为他们的创造物申请专利的初步步骤。

普渡大学的这一变革性研究有望重新定义机器感知的边界，为机器人和其他领域创造一个更安全、更高效的未来铺平道路。他们已将自己的创新成果提交给普渡创新技术商业化办公室，开始了为他们的创造物申请专利的初步步骤。