核心观点 - 美国伍斯特理工学院的研究团队开发了一种名为“Saranga”的超声波感知系统，该系统使微型无人机能够在黑暗、浓雾、积雪及存在透明障碍物等极端环境中实现自主导航，挑战了依赖摄像头和激光雷达的主流感知范式 [1][3][30] 技术方案与创新 - **核心传感器**：系统采用毫瓦级超声波传感器套件，放弃了对摄像头和激光雷达的依赖 [3] - **灵感来源**：技术灵感来源于仅重2克的熊蜂蝙蝠，其能仅凭超声波回声定位在黑暗洞穴中探测到8毫米大小的物体 [5] - **降噪与信号处理**：采用“物理降噪+深度学习听声”的组合方案，通过物理屏蔽结构将有效探测范围从1米提升至2米，并利用名为Saranga的深度学习神经网络从噪声中识别障碍物信号 [6] - **数据训练**：通过合成数据生成流程训练神经网络，先用数学模型模拟理想回波，再灌入真实螺旋桨噪声以生成海量带噪训练数据 [7] - **功耗极低**：整个传感系统的功耗仅为1.2毫瓦，远低于一个普通LED灯泡 [10] 实验平台与性能测试 - **实验平台**：测试使用名为PeARBat160的定制四旋翼飞行器，对角轴距160毫米，总重460克，搭载两个TDK InvenSense ICU30201超声波传感器（视场角140°×57°），所有数据处理在机载Google Coral Mini开发板上完成 [11] - **测试场景与成功率**：系统在多种极端场景下进行了严格测试，成功率如下： - 透明障碍物（0.02毫米厚塑料薄膜）：77.27% （22次试验）[12] - 薄障碍物（直径2-6厘米细杆）：80.95% （21次试验）[14] - 人造雪环境：75% （20次试验成功15次）[16] - 浓雾环境（能见度低于0.75米）：90% （20次试验成功18次）[18] - 光线昏暗环境（0.2 lux）：100% （20次试验）[20] - 杂乱密集场景：69.57% （23次试验成功16次）[22] - 复合恶劣条件3D避障（弱光、浓雾、雪）：72.7% （22次试验成功16次）[23] - **户外森林测试**：在稀疏、中等和茂密三种森林环境中，成功率分别为90.9%、77.3%和85.7% [25] - **对比测试**：在相同复杂室内环境中，Saranga在17次试验中成功13次，而另一种超声波方案BatDeck仅成功1次 [28] - **速度影响**：当飞行速度从1米/秒提升至2米/秒时，成功率从100%下降至72.73% [28] 行业启示与范式转变 - **感知范式重新审视**：该成果提示机器人行业应重新评估被主流技术忽视的传感器，选择传感器的首要标准应是其在目标环境下的物理信号可靠性，而非盲目跟随技术潮流 [30] - **技术融合思路**：将旧传感器（如超声波）与新的计算技术（如深度学习、时间序列模型）结合，可以使其重焕生机，为解决极端环境问题提供新路径 [30] - **系统设计哲学**：与其为应对罕见极端情况而堆砌更重、更耗电的传感器，不如增加一个低功耗的传感模式，以最小成本换取系统整体鲁棒性的巨大提升 [30]