著名的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。他们的创新方法相比传统技术有显著改进，承诺让机器能够比以往更有效、更安全地感知周围环境，为未来带来了希望。
介绍HADAR：机器感知的革命性突破
电气与计算机工程学院的Elmore副教授Zubin Jacob与研究科学家Fanglin Bao合作，推出了一种名为HADAR的开创性方法，全称为热辅助检测与测距。他们的创新引起了广泛关注，这种认可进一步加大了对HADAR在各个领域应用潜力的期待。
传统上，机器感知依赖于像激光雷达、雷达和声纳这样的主动传感器，它们发射信号来收集周围环境的三维数据。然而，这些方法存在一些挑战，特别是在大规模应用时。它们容易受到信号干扰，甚至可能对人类安全构成风险。在弱光条件下，视频摄像头的限制以及传统热成像的“幽灵效应”进一步加剧了机器感知的复杂性。
HADAR旨在解决这些挑战。“物体及其环境不断发射和散射热辐射，导致无纹理图像，即所谓的‘幽灵效应’，”Bao解释道。他继续说道：“人脸的热图只显示轮廓和一些温度对比，没有特征，让人感觉像看到了幽灵。这种信息、纹理和特征的丧失是使用热辐射进行机器感知的阻碍。”
HADAR的解决方案是热物理学、红外成像和机器学习的结合，实现了完全被动和物理感知。Jacob强调了HADAR带来的范式转变，他表示：“我们的工作为热感知建立了信息论基础，表明漆黑的夜晚与明亮的白天携带的信息量是一样的。进化使人类对白天有偏见。未来的机器感知将克服这种长期存在的昼夜二分法。”
实际影响和未来发展方向
HADAR的有效性在一种离开道路的夜间场景中得到了验证。“HADAR TeX视觉恢复了纹理并克服了幽灵效应，”Bao指出。它准确地勾勒出水波纹和树皮皱纹等复杂图案，展示了其卓越的感知能力。
然而，在HADAR可以应用于自动驾驶汽车或机器人等实际应用之前，还有一些挑战需要解决。Bao表示：“当前的传感器体积大且重量重，因为HADAR算法需要多种颜色的不可见红外辐射。为了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，同时使摄像头更快。”目标是提高当前传感器的帧率，目前每秒创建一幅图像，以满足自动驾驶车辆的需求。
在应用方面，虽然HADAR TeX视觉目前专为自动化车辆和机器人量身定制，但其潜力远不止于此。从农业和国防到医疗保健和野生动物监测，可能性是广泛的。
为了对他们的开创性工作给予认可，Jacob和Bao从DARPA获得了资金，并从技术商业化办公室的Trask创新基金获得了50000美元的奖励。这对合作者已将他们的创新公开披露给普渡创新技术商业化办公室，迈出了申请专利的初步步骤。
普渡大学的这项变革性研究将重新定义机器感知的界限，为机器人技术和其他领域创造一个更安全、更高效的未来。