為解決毫米波雷達於非視距 (NLOS) 場景下重建小型物體精度不足的挑戰，麻省理工學院電機與資訊工程系 (EECS) 研究團隊，在副教授 Fadel Adib 領導下，開發全新毫米波 3D 重建演算法 mmNorm。此方法可準確還原遮蔽物後方物體的三維形狀，使機器人得以「看清楚」藏在紙箱後的物件，突破傳統毫米波影像模糊、解析度受限的技術瓶頸。

mmNorm 首創以毫米波反射資訊估計物體表面法線 (Surface Normals) ，並透過 RSDF (Relative Signed Distance Function) 建模，找出最佳等值面以還原物體形狀；僅需商用 4 GHz 頻寬，即可大幅超越傳統毫米波 Backprojection 和 Interferometric 方法的重建精度 (F-score 從 78% 提升至 96%)。此技術有應用於智慧製造、倉儲物流、AR 裝置和混合實境裝置感知，甚至機器人抓取任務或探測非理想感測環境 (無光源、煙霧或遮蔽等) 的潛力。

此研究已發表於頂級國際會議 ACM MobiSys，並獲美國國家科學基金會 (NSF) 、 微軟及 MIT Media Lab 支持。未來將持續強化演算法對低反射物體與厚遮蔽的成像能力，推動 NLOS 感測邁入高精度與廣泛應用的新世代。 

撰寫：曾莉媞 (2025 經理人 – 國立清華大學經濟學系)

指導：陳昱融 (2014 Epoch School 校友)