Немецкие учёные из института Машиностроения и Автоматизации (нем. Fraunhofer-Institut für Produktionstechnik und Automatisierung, IPA), входящего в Общество Фраунгофера, разработали метод, позволяющий отличить человека от робота с помощью радара. Такой метод имеет преимущества над уже существующими: в отличие от инфракрасного детектора и лидара — детектора света — на точность радиолокатора практически не влияют погодные условия, цвет и текстура поверхности цели. Этот прибор даже способен получать информацию об объекте, скрытом за не слишком толстой преградой, например дверью.
Радар отправляет в сторону исследуемого объекта радиоволны, отражающиеся от цели в разное время (из-за её формы и положения в пространстве), и, следовательно, в разное время попадающие в детектор, который пытается оценить расстояние до цели и распознать её очертания. Кроме этого, можно также получить информацию о скорости объекта, пользуясь эффектом Допплера: когда цель движется в сторону радара, частота отражённых волн будет превышать частоту отправленных, когда в противоположную сторону — наоборот. Каждый из нас наблюдал этот эффект на примере звуковых волн: звук приближающейся машины кажется выше, чем звук удаляющейся.
Эффект Допплера лежит в основе разработки учёных. Сигнал, полученный от крупных движений объекта (например, ходьбы человека) не учитывается. Вместо этого, анализируется часть сигнала, соответствующая микровибрациям поверхности цели, малым смещениям внутренностей и так далее (эта разновидность эффекта называется «микродоплеровский эффект» или μ-D). Когда объект попадает в поле зрения радара, строится его R-D-карта (от слов Range — дальность, и Doppler), представляющая собой распределение количества зарегистрированных «точек» объекта по расстоянию между ними и радаром, а также по скорости их движения. Видно, что R-D-карты для робота и человека ощутимо разные (см. рисунок в начале заметки).
Чтобы научить компьютер отличать робота от человека по R-D-карте, воспользовались машинным обучением. В качестве испытуемых взяли 10 человек разного роста (это не так мало, как кажется: каждому объекту соответствуют сотни различных R-D-карт), а также двух роботов (колёсного и роботизированную «руку-манипулятор»). Полученные карты использовали для обучения компьютера тремя способами. Само собой, при составлении карт испытуемые двигались случайным образом и были ориентированы относительно радара по-разному.
В итоге компьютер научился определять, кто перед ним, робот или человек, причём точность таких предсказаний достигла 99%.
