麻省理工学院的研究人员开发了一种名为 mmNorm 的新技术，利用毫米波信号重构隐藏的 3D 物体，准确度比现有雷达技术高出 18%。这项技术通过估计物体表面的方向，结合不同天线位置的估计，重构物体的 3D 曲率。mmNorm 技术在视线受阻的环境中表现出色，能够在箱子内部、墙壁后或物体下方帮助人工智能识别物体。该技术在超过 60 个物体上的重建准确度达到 96%，对仓库自动化、搜救和辅助生活环境中的人工智能机器人具有潜在应用价值。

📡 mmNorm 技术的核心在于利用毫米波信号，与 Wi-Fi 相同频率范围，来重构隐藏的 3D 物体。这项技术并非简单地测量信号反射位置，而是估计物体表面的方向，即表面法线。

💡 通过结合不同天线位置的大量估计，mmNorm 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。

✅ 研究结果表明，mmNorm 在超过 60 个物体上的重建准确度达到了 96%，远超现有方法的 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 mmNorm 技术在多种材料上表现出色，但在面对密集的金属或厚实障碍物时仍存在困难。研究人员正努力提高分辨率和材料敏感性，以拓展应用场景。

🚀 mmNorm 技术在安全扫描、军事领域以及仓库自动化、搜救和辅助生活环境中的人工智能机器人等领域具有广泛的应用前景，无需打开包裹或箱子即可重构隐藏物品的形状。

IT之家 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。

IT之家援引博文介绍，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。

IT之家附上参考地址

• 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)