这项由意大利帕多瓦大学信息工程系与好意思国哥伦比亚大学筹谋机科学系和洽完成的参谋，于2026年5月以预印本时局发布，论文编号为arXiv:2605.19990，目下已投稿至IEEE旗下期刊恭候闲适发表。参谋的中枢问题极为陋劣却令东说念主深想：机器东说念主在室表里解放行行运，究竟需要几许只"眼睛"才调知说念我方走了多远、走向了何方？

普通东说念主能够从未想考过这个问题，但它关乎着每一台送餐机器东说念主、仓库搬运小车乃至自动驾驶汽车的走运。今天大多数机器东说念主都靠录像头来感知我方的位置，这些录像头动辄领有几百万个像素点，耗电量惊东说念主，筹谋干事千里重。对于那些只须有限电板和算力的袖珍机器东说念主而言，这种决策就像让一个小孩扛着一台专科级影相修复去导航——能用，但代价太大。参谋团队给出的谜底是：只需四个光传感器，互助一个惯性测量单位，就能完了解析可靠的平面导航。

一、为什么录像头的"像素税"让机器东说念主喘不外气

机器东说念主的导航系统深广有两类感官。一类是"内感"，就像东说念主感知我方肌肉用了几许力气——比如轮子转了几许圈的编码器，以及感知加快度和旋转的惯性测量单位（IMU，不错聚合为一块精密的"电子均衡感受器"）。另一类是"外感"，等于对外部宇宙的感知，录像头是最常见的代表。

把这两类感官交融起来的技能叫作念视觉惯性里程计（VIO），是目下机器东说念主界限最常用的导航妙技之一。它的干事旨趣雷同于你在一个生疏城市里，一边用手机舆图看周围的路标，一边靠我方的算作嗅觉走了多远，两者衔尾来详情位置。关联词问题在于，这个"手机舆图"——也等于录像头——实在太耗资源了。

录像头奢靡的电力大致与其像素数目成正比。一块普通图像传感器在正常干事时会奢靡数百毫瓦的电力。对于需要永劫刻一语气干事的袖珍机器东说念主来说，这相配于一台功率巨大的电器一直开着，很快就会把电板榨干。此外，处理每一帧画面还需要多数筹谋，这对算力有限的镶嵌式平台来说更是雪上加霜。

参谋团队把主见投向了一个更根柢的问题：既然咱们只想知说念机器东说念主跑得多快，果然有必要每秒处理几十帧、每帧包含几百万像素的图像吗？

二、向天然界取经：苍蝇的眼睛给了参谋者启发

生物学家很早就发现，虫豸的复眼天然远不如东说念主眼细腻，却能在飞行中精确感知速率和标的。这背后的微妙在于：通晓产生的视觉信号，实质上是空间纹理被时刻"刷过"时留住的频率特征——不需要认清每一个细节，只需要感知这种频率的变化就够了。

聚合这极少，需要借助一个直观化的想想实验。假定你坐在火车上，闭上眼睛，只通过窗帘流弊感受外面光芒的明暗瓜代——当列车快速穿过一派树林时，光芒会快速能干；停驻来时，能干住手。仅凭这种能干的频率，你就能大致判断列车的速率，而完全不需要看清楚树林的全貌。

这恰是参谋团队传感器联想的中枢直观。他们在大地朝下安置了四个光电二极管（陋劣来说等于能感知光强的微小电子元件），每个元件前边摈弃了一块特地的光学滤镜——这块滤镜的图案就像斑马线，由是曲条纹瓜代组成，但条纹并不是均匀漫衍的，而是越围聚中心越宽、越围聚边际越窄，合座变成一种叫作念"Gabor函数"（一种特定的数学波形）的图案。

这种斑马线滤镜的作用，是从大地纹理中"捕捞"出某一特定的空间频率身分——就像一个特定孔径的滤网，只让某种大小的颗粒通过。当机器东说念主在大地上转移时，大地纹理被这个滤网"过滤"后产生的光信号，其触动频率与机器东说念主的行进速率班师谈判：走得越快，信号触动越快；停驻来，信号也不再触动。

从数学上说，这个旨趣不错这么聚合：大地的空间纹理有千般各样的"空间频率"（就像声息有千般频率同样），当传感器以速率 v 转移时，空间频率 ξ? 会被改换成时刻频率 f? = ξ? × v。只须能测出信号的触动频率 f?，再除以已知的滤镜频率 ξ?，就能算出速率 v。

三、一个标的搞不定，四个传感器协同科罚清贫

不外，上头这个优雅的旨趣有一个致命的劣势：它只可告诉你速率的大小，却无法判断标的。原因在于，正弦波信号自己是对称的——不管机器东说念主上前也曾向后行走，产生的信号频率完全疏浚，就像一段旋律正放和倒放听起来节律疏浚同样。

参谋团队用一个颇为奥妙的模范科罚了这个问题。他们引入了第二个传感器，其滤镜图案与第一个完全疏浚，但在空间上偏移了四分之一个条纹周期——这相配于把团结首歌的播放程度拨快了四分之一拍。这种偏移在信号处理界限叫作念"正交"，也等于两个信号之间永久保持90度的相位差。

当机器东说念主上前行运，第一个传感器的信号"动身点"第二个传感器90度；当向后行运，则反过来，第二个传感器"动身点"第一个90度。通过判断哪个信号动身点，就能详情通晓标的。这个旨趣与直流电机的编码器干事式样极端量似，只不外这里是通过光学滤波而非机械斗殴来完了的。

关联词还有一个工程上的现实问题：光学滤镜的透过率只然而正数（你不行让一块玻璃"负传光"），但Gabor函数的值有正有负。参谋团队的科罚决策是把每个Gabor滤镜一分为二：一块只保留恰好部分，另一块只保留负值部分（等价于把负值变为恰好再作念一块新滤镜）。将两块滤镜对应传感器的输出相减，就等价于使用了一块好意思满的、有正有负的Gabor滤镜。

这么一来，两个标的（余弦相和正弦相）各需要两块滤镜，系数恰好需要四块滤镜和四个光电二极管。这等于"四像素传感器"名字的由来——不是四百万像素，不是四万像素，等于实实在在的四个光感元件。

四、高度变化带来的烦闷，以及就怕的惊喜

在现实中，机器东说念主行行运不免颠簸，车体相对大地的高度会跟着地形触动而变化。这对传感器来说是个阻难：高度变化会改变滤镜投影到大地上的执行尺寸，从而改变灵验的"捕捞频率"，让速率的筹谋出现偏差。

更复杂的是，四个光电二极管在物理上不可能完全叠放在沿路，它们之间势必存在一定的间距。当高度发生变化时，四个传感器看到的大地区域会略略不同步，就像四双眼睛从不同角度看团结个物体时产生的视差。这种视差会影响两路信号之间的相位差，原来应该精确是90度的相位关系会随高度变化而偏移。

关联词，参谋团队发现这个"骚动"执行上蕴含着有用的信息：相位差的变化量与高度偏差之间存在一定的对应关系。换句话说，传感器的信号里不仅包含速率信息，还荫藏着高度变化的印迹。东说念主工智能模子有才略从这些搀和在沿路的信号中，同期学会速率和高度的关系，从而在速率揣摸上保持安妥。

这个发现自后在实验中获得了考证。当模子在西宾时成心加入了千般程度的高度就地扰动之后，它在执行测试时应酬颠簸路面的才略明显优于那些只在固定高度下西宾的模子。以标称高度正负25%的范围进行就地扰动西宾的模子，在同等测试条款下的速率揣摸均方根纰缪仅为每秒0.048米，以致比只在标称高度西宾时的0.054米还要更好——这诠释限度的"骚动西宾"反而匡助模子学到了更深层的物理法律诠释注解。

五、用模拟器和神经收罗联手"调教"传感器

知说念了传感器的干事旨趣，接下来的问题是：Gabor滤镜的具体参数应该怎样设定？条纹应该多密？高斯包络应该多宽？振幅应该多大？这些参数决定了传感器对哪个空间频率最明锐，凤凰彩票「中国」有限公司也决定了它在千般大地纹理和通晓条款下的阐扬。

参谋团队的谜底是：不要手工料想这些参数，让机器学习我方找到最优解。为此，他们构建了一个高度仿果然模拟器，能够模拟传感器在千般大地纹理、千般速率和旋转组合下产生的信号。模拟器使用了来自Matador数据集的约7200张高质地真实大地材质图像，涵盖57种材质类别，包括瓷砖、砖块、大理石、混凝土、地毯、碎石等等，保证了千般性。通晓轨迹则来自TartanGround数据集，阴私跨越80公里、12小时的行驶记载，速率范围从静止到每秒5米，转弯角速率最高达每秒1弧度。

通盘这个词模拟管线是完全可微分的——这意味着纰缪信号不错像电流同样从神经收罗一直反向流到Gabor滤镜的参数上，让滤镜参数和神经收罗参数同期被优化。这就好比你在联想一副眼镜的同期，也在西宾大脑读图的才略，两者互彼此助，共同进化。

解码速率的神经收罗收受了时序卷积收罗（TCN）架构，领有约18.4万个参数——这个限制在深度学习里属于轻量级。收罗收受一秒钟的信号窗口（1000个时刻步的两路信号），通过层叠的推广卷积索取多模范时刻特征，再经过一个提防力池化层——提防力机制的作用雷同于"自动调焦"，当信号质地差时自动镌汰该时段的权重，幸免噪声骚动最终判断。临了，收罗不仅输出速率的揣摸值，还输出一个概略情度的量化筹谋，让系统知说念我方的揣摸有多大主理。

西宾对比实验披露，和洽优化的Gabor参数（称为"学习型Gabor"）比手工设定参数的固定Gabor决策，均方根纰缪镌汰了29%，平均皆备纰缪镌汰了35%。而那些完全莫得Gabor敛迹、让神经收罗解下学习苟且滤镜体式的"解放像素"决策阐扬最差——莫得了Gabor先验的敛迹，滤镜退化成了暗昧的雀斑，收罗只可依靠四个传感器之间的时刻蔓延来曲折揣摸速率，精度大打扣头。

六、从实验室走向真实宇宙：920米的实战磨真金不怕火

参谋团队为四像素传感器制作了什物原型。四块Gabor滤镜图案被打印在透明胶片上，每块面积16×16平方毫米，装配在四个滨松S9119-01光电二极管前列，通盘这个词传感器阵列以2×2的方格排布，相邻二极管间距1.9厘米，二极管与滤镜之间距离11.4毫米，每个二极管领有70度的视场角。这套系统被装配在LeoRover差速运行机器东说念主的底部，距大地标称高度6厘米，朝向正下方。

为了应酬室内环境可能出现的浓烈镜面反射，传感器外围加装了遮光罩；为了应酬暗淡的室内环境，机器东说念主底盘上吊挂了一盏低功耗LED灯（在室外或光芒有余的室内不开启）。整套传感系统的功耗仅为2.5毫瓦，而普通相机图像传感器的功耗深广在数百毫瓦量级——这意味着功耗镌汰了两个数目级，也等于大致减轻到百分之一以下。

实验阶段，团队在11条室内轨迹（以为618米，61分钟）和5条室外轨迹（以为306米，26分钟）上对机器东说念主进行了遥控测试，共计920米、87分钟的行驶数据。大地类型阴私了瓷砖、大理石、地毯、混凝土、砖块、碎石等多种材质，环境从整洁的室内走廊到侘傺的室外路面不等。

参考轨迹由装配在机器东说念主上的Intel RealSense D455深度相机互助RTAB-Map视觉里程计软件生成，代证据时技能条款下较为精确的参考基准。对比基线决策包括两种：纯轮式编码器里程计，以及编码器与IMU交融的里程计（与本系统使用疏浚的陀螺仪数据来揣摸转向角）。

量化后果相配有劝服力。计划轨迹合座几何一致性的平均皆备轨迹纰缪（ATE）方面，纯编码器决策在室内平均纰缪高达9.75米、室外14.09米，方差极大（范例差跨越均值），诠释轮子打滑导致严重不解析；编码器加IMU交融后改善明显，室内0.75米、室外0.74米；而四像素传感器加IMU的决策，室内仅0.28米、室外0.42米，比编码器加IMU决策辞别提高了约63%和43%。

计划集会漂移的极度漂移率（端点纰缪除以总行驶距离）方面，纯编码器决策室内高达25.60%、室外30.25%，简直无法实用；编码器加IMU决策室内1.62%、室外1.37%；四像素决策室内0.60%、室外0.62%，约为编码器加IMU决策的三分之一。

此外，参谋团队还测试了不同更新频率下的性能阐扬。当TCN以1000赫兹、100赫兹和30赫兹三种频率更新速率揣摸时，轨迹纰缪的互异一丁点儿——从1000赫兹降到30赫兹，室内ATE基本不变，室外ATE仅从0.42米增多到0.44米。这诠释即便大幅镌汰筹谋频率（从而进一步省俭算力），系统性能简直不受影响。

七、这套系统的干事细节与工程处理

在执行信号处理经过上，外部数据汇集系统以41.6千赫兹的采样率对四路模拟信号进行数字化汇集。汇集后的信号先经过一个60赫兹的陷波滤波器，去除交流电照明（日光灯能干）引入的骚动；再经过450赫兹的低通滤波器去除高频噪声；临了降采样至1000赫兹，送入TCN处理。

TCN使用1秒滑动窗口处理两路差分信号（每路1000个采样点），输出现频频刻的瞬时速率揣摸和对应的概略情度。系统会字据概略情度自动丢弃低置信度的速率揣摸，再用一个陋劣的中值滤波器剔除瞬时特殊值，临了将滤波后的线速率与来自RealSense D455相机IMU的陀螺仪偏航角速率交融，通过陋劣的通晓学积分筹谋出平面轨迹。

值得提防的是，整套系统重新到尾完全依赖模拟数据西宾，莫得在职何真实宇宙数据上进行微调或再西宾。能够如斯班师地从模拟器转移到真实宇宙，一方面归功于模拟器对物理过程的细腻建模（包括探伤器有限面积导致的暗昧效应、标的反馈函数、透视收缩效应、硬件增益、读出噪声、量化噪声和动态范围截止），另一方面也收获于西宾数据中丰富千般的纹理和通晓轨迹组合。

说到底，这项参谋文书的是一个对于"够用就好"的故事。参谋团队用四个比指甲盖还小的光感元件，加上一派打印在透明胶片上的斑纹，再互助一个轻量级神经收罗，就完了了比造价远高、功耗弘远的轮式编码器决策更好的导航精度。这对资源受限的机器东说念主平台来说，意味着不错把省下来的电力和算力用于其他更要道的任务。

对于普通东说念主而言，这项参谋的意象可能体目下不远的将来：当你在病院走廊看到一台微小地穿梭送药的小机器东说念主，或者在仓库里见到一台接续干事却不需要往往充电的搬运车，背后能够用的恰是雷同这么极简而精妙的感知决策。异日，参谋团队经营将整套系统集成到定制镶嵌式芯片上，完了确切的片上及时筹谋；同期也在探索将这套想路扩展到无东说念主机等具有更多通晓解放度的平台，以及用于地形识别和碰撞预警等更世俗的机器东说念主感知任务。

Q&A

Q1：四像素传感器靠什么旨趣来测量机器东说念主的转移速率？

A：传感器的每个光电二极管前边摈弃了一块具有特定条纹图案的光学滤镜（Gabor滤镜）。当机器东说念主在大地转移时，大地纹理透过这块滤镜产生的光信号会发生法律诠释注解性的触动，触动的频率与转移速率成正比——走得越快，信号触动越快，停驻来则不再触动。通过测量信号的触动频率，就能反推出速率。

Q2：四像素传感器比普通录像头省几许电？

A：四像素传感器的合座功耗仅为2.5毫瓦，而普通相机的图像传感器深广奢靡数百毫瓦。两者出入约两个数目级，也等于说四像素决策的功耗大致只须普通录像头的百分之一，以致更低，对电板续航有权臣改善。

Q3：四像素传感器在室外曲折抗击的大地上还能准确干事吗？

A：不错，但性能会略有下落。参谋团队在西宾时挑升加入了传感器高度的就地扰动来模拟颠簸路面凤凰彩票中国官网入口，使神经收罗学会从信号的相位变化中推断高度偏移并修正速率揣摸。实验后果披露室外轨迹纰缪（0.42米）略高于室内（0.28米），但仍远优于传统轮式编码器加IMU决策（0.74米）。