Die Funktionsweise des Non-Line-of-Sight-Algorithmus
Die Technologie basiert auf einem Prinzip, das als Non-Line-of-Sight-Bildgebung (NLOS) bezeichnet wird. Während herkömmliche Sensoren eine direkte Sichtlinie zu einem Objekt benötigen, analysiert dieses System Lichtpulse, die von sekundären Oberflächen wie Wänden oder Böden reflektiert werden. Ein LiDAR-Sensor kann Licht, das von sichtbaren Oberflächen zurückgeworfen wird, innerhalb von Pikosekunden – also einer Billionstel Sekunde – wahrnehmen.
Das Problem bei der NLOS-Bildgebung ist die Intensität: Die indirekten Reflexionen von Objekten, die sich beispielsweise hinter einer Ecke befinden, sind äußerst schwach. Um diese Signale nutzbar zu machen, entwickelten die Forscher eine neue Methode namens motion-induced aperture sampling. Dieser Algorithmus kombiniert Messungen zu mehreren Zeitpunkten, um aus den schwachen Echos ein stimmiges Bild der Umgebung zu errechnen.
Vom 50.000-Dollar-Equipment zum 50-Euro-Sensor
Bisher war die Fähigkeit, Objekte außerhalb des Sichtfelds zu erfassen, extrem teure Spezialhardware vorbehalten. Die aktuelle Entwicklung des MIT Media Lab bricht diese Barriere, indem sie Software nutzt, die auf bereits existierenden, günstigen Sensoren läuft. Solche LiDAR-Sensoren finden sich bereits in Premium-Smartphones für den Autofokus oder in Saugrobotern zur Orientierung.
„Für mich ist das Spannendste an dieser Arbeit, dass wir eine Fähigkeit genommen haben, die zuvor spezielles 50.000-US-Dollar-Equipment vorausgesetzt hat, und sie in die Hände von Leuten in der Robotik, AR/VR und darüber hinaus gegeben haben. Dadurch, dass LiDARs verbreiteter werden, könnte das glaube ich zu völlig neuen Formen von maschinellem Sehen und Raumerfassung führen.“
Siddharth Somasundaram, Forschungsleiter am MIT
Die Demokratisierung dieser Technologie ist bemerkenswert. Laut Berichten von Ad-hoc-news.de wurde der entsprechende Code bereits veröffentlicht, und die benötigte Hardware lässt sich für unter 50 Euro nachbauen.
Labortests mit menschlichen Probanden
Um die Effektivität der Software zu beweisen, setzten die Forscher ein kontrolliertes Szenario im Labor auf. Dabei wurde eine undurchsichtige Trennwand installiert, hinter der sich eine Person versteckte. Der Sensor wurde nicht auf die Person, sondern auf eine weiße Wand gerichtet, die in einem 90-Grad-Winkel zur Trennwand stand.
Durch die Analyse des von der weißen Wand reflektierten Lichts konnte das System die Bewegungen der versteckten Person tracken. Das System nutzt dabei drei Kernfunktionen:
Es handelt sich hierbei jedoch nicht um ein Foto im klassischen Sinne. Die Technologie kann keine detaillierten Bilder liefern, sondern lediglich grobe geometrische Formen rekonstruieren, die Aufschluss über die Position und Bewegung eines Objekts geben.
Einsatzgebiete in der Robotik und Fahrzeugsicherheit
Die Implikationen für die mobile Kommunikation und die Sicherheit im Straßenverkehr sind erheblich. In Fahrzeugen könnte NLOS-Technologie dazu beitragen, Verkehrsteilnehmer zu erkennen, die an unübersichtlichen Kreuzungen durch Gebäude oder andere Fahrzeuge verdeckt sind, bevor sie in das Sichtfeld des Fahrers geraten.
Auch für die autonome Navigation bietet das Verfahren enorme Vorteile. Roboter könnten sich in Umgebungen, die physisch verdeckt sind, wesentlich sicherer bewegen, da sie nicht mehr auf eine direkte Sichtlinie angewiesen sind. In Kombination mit Augmented Reality (AR) könnten solche Informationen in Echtzeit für den Nutzer visualisiert werden, was die Navigation in komplexen Innenräumen revolutionieren könnte.
Die Grenzen der geometrischen Rekonstruktion
Trotz des Potenzials bleibt die Technologie in ihrem aktuellen Stadium auf die Rekonstruktion von Formen beschränkt. Die Herausforderung liegt in der extrem geringen Signalstärke der indirekten Reflexionen. Während der Algorithmus des MIT Media Lab einen Weg gefunden hat, diese Daten zu kombinieren, bleibt die Präzision von der Beschaffenheit der reflektierenden Oberflächen abhängig. Eine weiße Wand im Labor bietet ideale Bedingungen; in der realen Welt könnten absorbierende Materialien oder unebene Oberflächen die Genauigkeit beeinträchtigen.
Dennoch markiert der Übergang von hochpreisiger Laborausrüstung zu Smartphone-fähiger Software einen Wendepunkt in der Raumerfassung. Die Integration solcher Funktionen in zukünftige Betriebssystem-Updates könnte die Art und Weise, wie mobile Geräte ihre Umgebung wahrnehmen, grundlegend verändern.
