想象一下，當你駕駛一輛自動駕駛汽車穿過隧道，你卻不知道前方發生了一起車禍，導致交通中斷。通常情況下，駕駛員需要依靠前面的汽車來判斷是否應該開始剎車，但如果你的汽車能夠透過遮擋看到前方車輛的情況，并更早地踩下剎車，情況會怎樣？
最近，在麻省理工學院和Meta的研究人員的共同努力下，一項名為PlatoNeRF的技術應運而生，有望徹底改變自動駕駛汽車的未來。這項技術將激光雷達和機器學習相結合，能夠創建出物理上很精確的3D模型，即使是在視線受阻的情況下也能準確捕捉場景。
PlatoNeRF的命名靈感來源于古希臘哲學家柏拉圖《理想國》中的洞穴寓言，其中被鎖在山洞中的囚犯只能根據投射在洞穴墻壁上的陰影來辨別外部世界，而該項技術也正是通過分析陰影來揭示被遮擋的物體。
研究人員使用了一種名為單光子激光雷達的新傳感方式，激光雷達通過發射光脈沖并測量光反射回傳感器所需的時間來繪制3D場景。單光子激光雷達會照亮場景中的目標點，一些光從該點反射并直接返回傳感器，而大多數的光會在返回傳感器之前就散射并從其他物體反射回來，PlatoNeRF主要依賴的就是這些光的第二次反射。
通過計算光線反射兩次并返回激光雷達傳感器所需的時間，PlatoNeRF可以捕獲有關場景的其他信息，包括深度以及有關陰影的信息。該系統追蹤次級光線（從目標點反射到場景中其他點的光線），以確定哪些點處于陰影中，根據這些陰影的位置，PlatoNeRF 就可以推斷出被遮擋物體的幾何形狀，從而為自動駕駛汽車提供更早的反應時間，以避免潛在的危險。
這項技術的應用遠不止于此。PlatoNeRF 還能夠提高 AR/VR 設備的效率，使用戶無需移動就能對房間進行幾何建模，同時也能幫助倉庫機器人在復雜環境中更快地定位物品。未來，研究團隊希望通過追蹤多次反射的光線來進一步改善場景重建，并計劃應用更多深度學習技術，結合彩色圖像測量來捕獲紋理信息。