麻省理工算法让手机激光雷达实现穿墙感知

麻省理工学院（Massachusetts Institute of Technology, MIT）的研究团队在《自然》（Nature）杂志上发表了一项突破性研究，成功将智能手机中常见的激光雷达（LiDAR）传感器转化为能够探测非视域（Non-Line-of-Sight, NLOS）隐藏物体的工具。这项由Siddharth Somaram及其同事开发的技术，通过创新的信号处理算法，能够从墙壁和地板等表面的微弱漫反射光中提取信息，从而重建障碍物后方物体的形状并追踪其运动轨迹。这一成果标志着非视域成像技术从昂贵的实验室专用设备向消费级硬件普及迈出了关键一步。

突破物理限制：从直接反射到漫反射信号挖掘

传统的激光雷达技术主要依赖于发射光脉冲并测量其返回时间，以计算距离并构建场景的三维模型。这种机制在视线范围内（Line-of-Sight, LOS）表现优异，广泛应用于增强现实（AR）、图像深度感知以及人形机器人的环境导航中。然而，当物体被墙壁、拐角或其他物理屏障遮挡时，传统LiDAR传感器无法直接接收反射信号，导致其“视而不见”。MIT团队的核心创新在于重新定义了信号的利用方式：他们不再仅仅关注直接反射的主信号，而是聚焦于那些被常规算法视为噪声或干扰的微弱漫反射光。

在光学原理中，当激光束照射到墙壁或地面时，大部分光线会被吸收或发生镜面反射，但仍有极小部分光线会发生散射，形成所谓的“间接反射”或“漫反射”。这些光子虽然能量极低且路径复杂，但携带了关于障碍物后方物体轮廓和运动状态的关键信息。MIT开发的算法能够捕捉这些在时间和空间上极其分散的光子信号，通过复杂的数学模型进行逆向推导，将不同角度的微弱反射数据整合，从而在计算机中重建出隐藏物体的简化三维形态。

低成本硬件验证：商用传感器实现实时追踪

以往的非视域成像技术通常依赖于超快激光器和单光子雪崩二极管（SPAD）等昂贵且体积庞大的实验室设备，难以在移动设备上部署。相比之下，MIT此次实验使用的是一款成本低于100美元的商用LiDAR传感器，这与目前高端智能手机中搭载的硬件规格相当。这种硬件选择的转变对于行业具有深远意义，因为它证明了非视域感知技术无需依赖定制化的高精尖仪器，即可在大规模量产的消费电子产品上实现。

在实验过程中，研究团队将假人、字母模型以及纸板结构放置在墙壁或隔板后方，确保这些物体完全处于LiDAR传感器的直接视野之外。传感器被指向障碍物附近的表面，如地面或侧墙。尽管没有直接的视线接触，系统依然能够实时捕捉到隐藏物体的运动，并生成简化的三维重建图像。这一过程展示了算法在处理低信噪比信号时的强大能力，即从几乎不可察觉的光子回波中提炼出有效的空间信息。

研究团队在论文中指出，当前的系统在物体形状已知或具有特定参考模型时表现。这意味着如果软件预先存储了某种物体的几何特征，识别精度和重建速度会显著提升。然而，面对未知形状或形态多变的物体，算法仍需进一步优化。未来的工作重点将集中在提升对无先验知识物体的泛化能力上，使其能够适应更复杂的现实场景。

技术普及前景：重塑消费电子与机器人感知边界

这项技术的成熟预示着智能手机和可穿戴设备将获得全新的空间感知维度。MIT研究人员表示，其成果推动了“即插即用”式非视域成像的发展，用户无需进行额外的硬件配置或复杂的校准，即可利用现有设备查看隐藏物体。这种能力的下放将极大拓展消费电子产品的应用场景，例如在智能家居中检测被遮挡的安防盲区、在自动驾驶汽车中预判拐角处的行人或车辆，以及在医疗领域辅助内窥镜进行更全面的体内检查。

对于机器人行业而言，非视域感知能力的引入意味着机器人可以在复杂环境中提前规划路径，避免与视线外的障碍物发生碰撞。随着算法效率的提升和硬件成本的进一步降低，预计在未来几年内，具备NLOS探测功能将成为高端智能手机和智能穿戴设备的标配特性之一。这不仅是对现有LiDAR技术应用的延伸，更是人工智能与光学传感技术深度融合的典型案例，为下一代空间计算设备奠定了技术基础。