Araştırmacılar, hurda yığınındaki bir alet veya bir karton kutudaki vazo gibi görünmeyen nesneleri eskisinden çok daha büyük bir doğrulukla görselleştirmek için yüksek frekanslı elektromanyetik dalgalar kullanmanın bir yolunu geliştirdiler. Bu görüntüleme tekniği, depo robotlarına X-ışını benzeri bir görüş kazandırarak, göndermeden önce konveyör bandındaki hasarlı ürünleri tespit edebilmeleri dahil olmak üzere çeşitli şekillerde uygulanabilir.

Depolarda görüntüleme ile ürün sağlamlığı

mmWave sinyalleri milimetre dalga sinyalleridir. 30 ila 300 GHz arasındaki frekanslara sahip elektromanyetik dalgalar. Wi-Fi iletmek için kullanılan aynı tür sinyallerdir ancak çok daha yüksek frekanslara sahiptirler ve çok kısa dalga boylarına sahiptirler, bu da hassas, yüksek çözünürlüklü görüntüleme sağlar. Bu tür dalgalar, plastik kaplar veya iç duvarlar gibi yaygın engellerden geçebilir ve nesneleri ortaya çıkarmak için sekebilir.

xAI, veri merkezini doğalgazla desteklemek için gereken izni aldı!

Shelby County Sağlık Departmanı tarafından verilen izin, xAI merkezinin geçmişte izinsiz bir şekilde 35’e kadar...

Sorun şu ki, mevcut mmWave görüntüleme teknolojisi, alet veya çatal bıçak takımı gibi bir kutu veya kap içindeki küçük nesneleri tanımlamak için kullanışlı olmayan gizli nesnelerin kaba 3B yeniden yapılandırmalarını üretiyor. Massachusetts Teknoloji Enstitüsü’ndeki (MIT) ekip, mmWaves kullanarak gizli nesnenin yüzey eğriliğini hesaplayarak daha yüksek doğruluk için spekülerlik özelliğine dayanan mmNorm sistemiyle daha iyisini yapabileceğine inanıyordu.

mmWave sinyalleri çoğu nesneden “ayna benzeri” veya “spektral” bir şekilde yansır, yani sinyalin bir yüzeye çarptığı açı, yansıdığı açıya kabaca eşittir. Bu nedenle, bir radar yalnızca yüzey normalinin (“dışa dönük ok”) doğrudan radara geri işaret ettiği bir nesnenin yüzeyinin parçalarından güçlü yansımalar alacaktır. mmNorm, yansıyan sinyal ile yüzeyin 3B uzaydaki her noktadaki yönelimi arasındaki bu doğrudan ilişkiden yararlanır.

3B uzaydaki belirli bir nokta (bir “voksel”) için mmNorm, potansiyel olarak görülebilecek tüm farklı radar konumlarını dikkate alır. Her bir radar konumu, o noktadan ne kadar güçlü bir yansıma aldığına bağlı olarak yüzey normalinin ne olması gerektiği konusunda etkili bir şekilde “oy verir”. Tüm bu ağırlıklı “oylar” geometrik olarak toplanarak o nokta için yüzey normalinin nihai bir tahmini üretilir ve işlem, 3B nesneyi önceki yöntemlerden daha doğru bir şekilde yeniden oluşturmak için o 3B uzaydaki her nokta için tekrarlanır.

Araştırmacılar, bir mmWave radarını bir robotik kola bağlayarak bir mmNorm prototipi oluşturdular. 3B yeniden yapılandırma yeteneğini kupalar, mutfak eşyaları ve elektrikli aletler gibi 60’tan fazla günlük nesneyle test ettiler. Ekibin teknolojisi, benzer sistemlere kıyasla yaklaşık %40 daha az hatayla yeniden yapılandırmalar üretti, ayrıca gizli bir nesnenin konumunu daha doğru bir şekilde tahmin etti ve çeşitli malzemelerden yapılmış öğelerle çalıştı. Aşağıda eylem halinde görebilirsiniz.