NightSight: Passive Computation for Navigation in Dark Using Events
本文提出 NightSight，一种面向小型空中机器人的轻量级实时感知系统，该系统通过结合单目事件相机、编码孔径镜头和红外点投影仪来生成深度依赖的模糊特征，并由一个仅在合成数据上训练的神经网络将其解码为精确的稠密深度图，从而实现零样本泛化至复杂真实场景中的全黑暗自主导航。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，一架小巧灵活的无人机试图在震后漆黑一片的洞穴或坍塌的建筑物中导航。由于光线太暗，普通相机无法成像；而它又太小，无法携带重型、高耗能的设备，如巨型手电筒或激光扫描仪。
本文提出了一种巧妙的解决方案，名为NightSight。你可以将其理解为赋予无人机一副能在完全黑暗中工作、且无需沉重电池组的“超级眼睛”。
以下是其工作原理，分解为几个简单概念：
1. 问题：“沉重背包”的困境
小型救援无人机如同敏捷的杂技演员，但它们有一个弱点：无法携带重型设备。传统的夜间视觉方案包括：
- 大型手电筒：耗电极快。
- 激光扫描仪（LiDAR）：笨重且体积庞大。
- 普通相机：会被黑暗或强光“致盲”。
作者希望找到一种方法，让微型无人机几乎不消耗电力、仅用极轻的重量就能“感知”深度（即物体有多远）。
2. 解决方案：“魔法透镜”与“频闪光”
该团队构建了一个包含三个主要部分的系统：
- 事件相机：它不像普通相机那样每秒拍摄 30 张常规照片，而是像一套超高速的神经系统。只有当它检测到物体移动或亮度变化时，才会“苏醒”并发出信号。它对微小的光线变化极其敏感。
- 编码孔径（即“魔法透镜”）：这是覆盖在相机镜头上的特殊遮罩。它并非简单的孔洞，而是刻有复杂图案（类似模板）。
- 点阵投影仪：无人机向墙壁或前方障碍物投射不可见的红外光点图案。
3. 技巧：“模糊即标尺”
这是作者称为**“被动计算”**的巧妙之处。
想象你透过一个特殊模板观察墙上的贴纸。
- 如果墙壁很近，贴纸看起来清晰锐利。
- 如果墙壁很远，贴纸不仅会变模糊，还会改变形状。它会开始变得与“魔法透镜”的图案完全一致。
在该系统中，无人机投射光点。随着这些光点距离变远，“魔法透镜”会使它们以非常特定的方式拉伸并改变形状。模糊的形状告诉计算机物体究竟有多远。
类比：这就像皮影戏。如果你把手靠近墙壁，影子是清晰的；如果你把手移远，影子会变得模糊，并呈现出光源的形状。无人机利用这种“模糊度”来测量距离，但其速度和效率之高，无需超级计算机即可计算出结果。
4. 无需“看见”的学习（“电子游戏”式训练）
通常，要教会计算机识别深度，需要成千上万张真实黑暗房间的照片。但由于难以获取这些照片，作者采取了一种聪明的做法：
- 他们制造了一个简单的机械臂，让相机在平坦墙壁前前后移动。
- 他们利用计算机模拟来训练 AI，使其了解“模糊形状”如何随距离变化。
- 结果：AI 在一个简单、虚拟的环境中学会了游戏规则。当他们将真实的无人机带入充满岩石和柱子的复杂黑暗洞穴时，AI 无需任何新训练。它直接应用所学规则并完美运行。这被称为**“零样本泛化”**。
5. 结果
- 速度：系统实时运行（每秒 20 次），足以让无人机飞行并躲避障碍物。
- 精度：它能测量高达 2.5 米（约 8 英尺）的距离，且精度极高（误差仅约 7 厘米）。
- 效率：它运行在小型低功耗计算机（NVIDIA Jetson Orin Nano）上，可安装在微型无人机上。
总结
该论文表明，通过结合特殊的“事件”相机、图案化透镜和点阵投影仪，微型机器人可以在完全黑暗中导航。它将光和模糊的物理特性转化为内置的标尺，使机器人无需依赖沉重、高耗能的设备即可“看见”。这就像教会无人机利用影子的形状而非仅仅观察影子，从而在黑暗中摸索前行。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。