Science Robotics焦点文章解读 | 被遗忘的频谱:重启超声技术,赋能鲁棒自主系统

发布时间:2026.04.17
分享:

自主移动机器人的感知系统高度依赖光学传感器,但其性能在复杂真实环境中极易受天气与介质条件干扰。例如,强降雨下会因镜头水雾和水滴降低成像质量,沙尘环境中的视觉退化也可能削弱导航与避障能力。相比之下,人类还能通过听觉、触觉等多种感知渠道补全信息,而机器人一旦缺乏有效的视觉感知,便难以维持稳定的环境理解与自主行动。

这种“光学依赖”带来的感知盲区,限制了机器人在恶劣野外场景中的应用。近日,浙江大学长聘副教授、微分智飞创始人兼CEO高飞,与首席科学家周鑫受邀在 Science Robotics 发表焦点文章《The forgotten spectrum: Reviving ultrasound for robust autonomy》¹。

该焦点文章是针对当期论文 Saranga²的评述与引申,倡导业界重新审视并利用包括超声波在内的多模态传感技术弥补机器人的光学感知,提升机器人的鲁棒性和自主性。

图片

文章内容简介

在机器人自主系统中,视觉和激光雷达虽然已成为主流配置,但在烟雾、黑暗、浓雾、积雪、强反光、玻璃等非理想环境下,其可靠性仍会明显下降。以当期论文Saranga²为例,其讨论了一种在自主机器人领域长期被边缘化的感知方式:超声波。过去,超声波常被认为测程短、分辨率低、易受干扰,在飞行平台上还会受到螺旋桨噪声影响,因此多被限制在近距离避障等简单任务中。

超声波的问题并不只在传感原理本身,更在于长期缺少围绕其噪声特性进行系统设计。Saranga 这一工作表明,如果在硬件、算法和机载计算上协同优化,超声波仍然可以成为小型飞行机器人在视觉退化环境中的有效感知手段。该系统通过物理降噪设计抑制桨叶干扰,并由神经网络学习基于时间序列回波的去噪方法,在极低信噪比条件下提取可用于导航的信息。最终,这一平台在浓雾、黑暗、降雪以及存在细小或透明障碍物的环境中,仅依靠机载感知与计算完成自主飞行。

其在文中进一步倡导,研究者需要重新审视传感器选择的基本原则:应优先考虑在目标场景下哪些物理信号仍然稳定可靠,而不是默认视觉或激光雷达。对小型机器人而言,增加一种低功耗、物理机制不同的感知模态,很多时候比继续堆叠更重、更复杂的主流传感器更有价值。这一思路同样适用于红外、热成像、事件相机、声学、无线电等其他曾被弱化的传感方式。随着时序建模、学习去噪和多模态融合方法的发展,这些模态有可能在复杂真实环境中重新发挥作用。

[1] Xin Zhou, and Fei Gao. "The forgotten spectrum: Reviving ultrasound for robust autonomy." Science Robotics 11.112 (2026): eaef8847.

[2] Velmurugan, Manoj, et al. "Milliwatt ultrasound for navigation in visually degraded environments on palm-sized aerial robots." Science Robotics 11.112 (2026): eadz9609.

图片

关注我们,获取更多前沿资讯

图片