工学：熱支援による検出と測距
Nature 619, 7971 doi: 10.1038/s41586-023-06174-6
機械知覚は、状況認識のために、先進的なセンサーを用いて周囲の環境に関する情報を収集している。アクティブソナー、レーダー、LiDARを用いてカメラの視力を強化する最先端の機械知覚は、知的エージェントの数が増えると困難に直面する。遍在する熱信号の利用は、スケーラブルな知覚への新たなフロンティアとなる可能性がある。しかし、対象物とそれらの環境は常に熱放射を放出・散乱させているため、「ゴースト効果」としてよく知られている、質感のない画像が生じる。このように、熱視覚は情報損失によって制限される特定性を持たず、その一方で、ナビゲーションに不可欠な熱測距は、人工知能（AI）と組み合せた場合でさえうまくいかなかった。今回我々は、ゴースト発生というこの未解決の課題を克服する、熱支援による検出と測距（HADAR）法を提案し、これを実験的に実証するとともに、AI強化された熱センシングに対してベンチマークを行った。HADARは、質感や奥行きを、暗闇を通してあたかも昼間であるかのように見るだけでなく、RGBや熱視覚を超えて、整理された物理的属性も知覚することで、完全に受動的で物理認識型の機械知覚への道を開く。我々は、HADARを評価する理論を開発して、HADARを用いたAI性能に対する情報理論上の限界を示す、その理論のフォトニックショット雑音限界を扱っている。夜間のHADAR測距は、熱測距を凌駕し、日中のRGB立体視に匹敵する精度を示した。我々の自動化HADARサーモグラフィーは、温度精度についてクラメール・ラオの限界に到達しており、既存のサーモグラフィー技術を凌駕している。今回の研究は、HADARを用いた自律ナビゲーションと、人間とロボットの間の社会的相互作用を用いる、第4次産業革命（インダストリー4.0）を加速できる破壊的技術につながる。
