探一线丨让机器学会“凝视”

人民日报记者 吴丹

对生物来说，“看”是本能，而“凝视”是智慧——鹰隼在高空精准锁定地面猎物，人眼在车水马龙中识别信号灯的闪烁，都是经过漫长进化而来的高效视觉智慧。

生物视觉并非对整个世界进行平均扫描。人类视网膜最敏锐的区域——中央凹，可让人眼在大视场环境下，将有限的注意力瞬间集中在关键目标上，实现视觉资源的高效分配。

科学家将这种视觉智慧浓缩进一枚小小的硅基芯片。北京大学王兴军教授、舒浩文研究员团队联合香港城市大学王骋教授团队、上海交通大学周林杰教授团队，研制出一种具备“凝视”成像能力的仿生相干激光雷达芯片，并完成了四维成像演示系统，帮助机器视觉从“粗放扫描”转向“精准感知”。研究成果已在线发表于《自然·通讯》。

随着自动驾驶、具身智能和低空无人机等行业飞速发展，机器视觉正面临挑战——如何让智能体“看得清、看得全、看得快”？传统做法是“堆料”，增加激光雷达的通道数，提升采样率。然而，一些问题随之而来。

一方面，激光雷达的分辨率越高，所需光电器件就越多，后端电子处理的带宽需求也随之激增，很快就会撞上成本与功耗的“天花板”；另一方面，相比常见的脉冲式激光雷达，调频连续波激光雷达虽然能在测速的同时抗干扰，但其对光源稳定性和扫频线性度等指标有着近乎苛刻的要求，性能稍有偏差，探测精度就会大打折扣。

受生物视觉机制启发，研究团队提出“微并行”架构，通过按需调度激光雷达的光谱与通道资源，把“全局覆盖”和“局部高分辨”分开实现。在这一过程中，可调谐外腔激光器与薄膜铌酸锂电光频梳协同工作：前者负责调制信号生成与大范围视野扫描覆盖，后者在需要重点观察时并行生成多载波信号，为局部区域临时“加密采样”。

实验结果显示，在视野范围内，该系统可在预先选定的重点区域实现约0.012度的角分辨率（以距离100米为例，可分辨硬币大小的物理间隔），让机器拥有了“火眼金睛”。此外，通过波长和频域资源调度实现的分辨率扩展方式，也摆脱了一味增加硬件来提升性能的传统路径。

不仅让机器“看得清”，研究成果还助力机器视觉“看得丰富”。研究团队介绍，系统在捕捉三维几何信息的同时，能同步解析目标的运动速度、多普勒特征以及反射率信息。

该系统还可以通过与可见光相机的协同感知，把激光雷达提供的三维几何结构与相机提供的纹理颜色信息叠加到同一坐标系。这样一来，机器不仅能看见形状，还能看见外观，更好地在复杂动态环境中识别目标、理解场景。这种“可按需增强局部细节”的能力，未来可封装为传感器模块，在尽量不增加体积与功耗的前提下提升关键区域的探测精度。

“作为集成光子学领域的一个重要突破，这个方案为下一代自动驾驶、具身智能提供了高分辨率、低功耗、高灵活性的‘眼睛’。”王兴军说，“未来，随着这类芯片化感知模块与相机、毫米波雷达等多模态传感器进一步融合，我们或许会看到拥有昆虫复眼视场和鹰眼精度的全能感官，催生出更多仿生机器人的新形态。”

来源：人民日报