MIT et Microsoft dévoilent mmNorm : une technique révolutionnaire d'imagerie 3D par millimètre-onde pour reconstruire des objets cachés avec une précision de 96%

Réécriture : Des chercheurs du MIT ont développé une nouvelle technique d'imagerie, appelée mmNorm, qui permet des reconstructions tridimensionnelles ultra-précises d'objets cachés sous des obstacles comme des boîtes en plastique ou des murs internes. Cette avancée, financée par la National Science Foundation, le MIT Media Lab et Microsoft, est basée sur l'utilisation du millimètre-onde (mmWave) – une bande spectrale électromagnétique située entre 30 et 300 GHz, avec des longueurs d'onde comprises entre 1 et 10 millimètres. Le millimètre-onde présente l'avantage de pouvoir pénétrer à travers des matériaux courants, tels que le plastique et les matériaux intérieurs, en produisant des images tridimensionnelles précises même lorsque les objets sont hors de vue. Cependant, les méthodes de reconstruction existantes ont jusqu'à présent manqué de précision, ce qui limitait leur efficacité pour reconnaître des objets petits et complexes, comme des ustensiles domestiques. La nouvelle technique mmNorm surmonte cette limite en exploitant une particularité cruciale des millimètre-onde : le phénomène de réflexion spéculaire, similaire au reflet dans un miroir. Lorsque le signal émis par un radar millimètre-onde rencontre une surface d'un objet, il n'est reflété vers le récepteur que si la surface est directement opposée à l'antenne. Sinon, le signal se dévie et n'est pas détecté. L'algorithme mmNorm résout ce problème en analysant avec précision les angles de réflexion, les écarts temporels et les subtiles variations du signal. Il est ainsi capable de déterminer l'orientation de chaque point de la surface de l'objet, un processus technique nommé estimation du vecteur normal. En cumulant un grand nombre de ces vecteurs normaux, mmNorm peut reconstituer un modèle 3D détaillé de l'objet. Pour mettre à l'épreuve mmNorm, les chercheurs ont installé un radar millimètre-onde sur un bras robotisé, créant un prototype capable de collecter des données tout en pivotant autour de l'objet cible. L'analyse de la distribution spatio-temporelle des signaux permet de déduire la courbure de la surface de l'objet. Le système utilise un vote pondéré des signaux recueillis par les multiples antennes du radar pour déterminer l'orientation précise de chaque point de surface. Laura Dodds, chercheuse associée au MIT et auteure principale de cette étude, explique : "Certaines antennes ont un poids de vote elevé, d'autres plus faibles, et nous combinons tous ces votes pour arriver à une orientation consensuelle de la surface." Grâce à cet algorithme sophistiqué, mmNorm a atteint une précision de reconstruction de 96% lors d'expériences réelles menées sur plus de 60 objets différents aux formes complexes, tels qu'une tasse avec une anse. Cela représente une amélioration significative par rapport à la précision de 78% des méthodes les plus avancées précédemment connues. Cette technologie est capable de distinguer plusieurs objets dans une seule boîte, y compris des sets d'ustensiles compacts comme des couteaux, des fourchettes et des cuillères, et s'adapte parfaitement aux matières variées, telles que le bois, le métal, le plastique, le caoutchouc et le verre. Bien que mmNorm ne puisse pas actuellement voir à travers le métal ou des murs très épais, ses performances offrent des perspectives de développement pour de nombreuses applications futures. Dans le domaine industriel, des robots équipés de mmNorm pourraient identifier et saisir précisément des outils dans des boîtes fermées, améliorant significativement l'efficacité des systèmes de tri. En réalité augmentée (AR), les casques pourraient afficher des images précises d'objets entièrement occultés, facilitant les travaux de maintenance et de réparation. En sécurité et en reconnaissance militaire, mmNorm pourrait renforcer la précision de la détection d'objets dissimulés dans des sacs à dos, des véhicules ou d'autres conteneurs. Les chercheurs envisagent de futures améliorations pour mmNorm, notamment l'optimisation de sa performance sur des objets à faible taux de réflexion, l'augmentation de sa capacité à pénétrer à travers des obstacles plus épais, et le perfectionnement de sa résolution. "Ce nouveau paradigme transforme notre compréhension des signaux millimètre-onde et du processus de reconstruction 3D," conclut Laura Dodds. "Nous croyons que ces découvertes pourront avoir des implications bien au-delà de notre domaine actuel de recherche." [Liens vers l'article original : https://news.mit.edu/2025/new-imaging-technique-reconstructs-hidden-object-shapes-0701]