如果機器人在黑暗、眩光、粉塵或霧氣中仍要獨立確認人員和障礙物距離、接近速度,值得把毫米波雷達作為相機與 LiDAR 的補充感測器測試。但角解析度、多徑效應和小型靜止物體分離可能成為問題,雷達不能獨自完成分類、形狀與安全功能。
完整感測器體系見 Physical AI 機器人感測器,測距結構見 2D 與 3D LiDAR,光學深度測量見雙目、ToF、結構光相機,融合原理見機器人感測器融合。本文聚焦是否增加雷達。
按機器人決策而不是環境標籤比較感測器
記錄目標尺寸、材料、速度,需要的距離、角度、分類,照明、粉塵、蒸氣、雨、遮擋、安裝高度和延遲。不要只寫“惡劣天氣可用”,要定義希望減少哪類漏檢與誤報。
雷達擅長距離與徑向速度,相機提供紋理、顏色和語意,LiDAR 提供幾何資訊與可通行空間。實際表現取決於裝置、天線、訊號處理、保護罩、安裝和場景。
| 判斷項 | 毫米波雷達 | 相機 | LiDAR |
|---|---|---|---|
| 主要測量 | 距離、徑向速度、角度 | 強度、顏色、語意 | 距離、幾何資訊、反射率 |
| 低光 | 不依賴可見光 | 受照明、曝光影響 | 主動測距仍受光學條件影響 |
| 分類與形狀 | 有限點或特徵 | 豐富語意 | 強幾何資訊 |
| 典型錯誤 | 多徑效應、鬼影、角度混淆 | 眩光、模糊、遮擋 | 反射、吸收、天氣、盲區 |
分別檢查距離、Doppler 與角解析度
TI mmWave 雷達開發入口是供應商官方資料。明確應用使用距離、方位角、俯仰角、徑向速度、訊號強度、原始檢測結果還是跟蹤器輸出。
距離解析度好不等於角度上能分開鄰近目標。Doppler 是視線方向速度,橫穿人員與接近人員的表現不同,小型靜止物體也會受場景和濾波器影響。
用同一場景配對測試驗證低能見度優勢
在正常光、黑暗、逆光眩光、粉塵蒸氣、保護罩汙染下重複同一軌跡,比較檢測、誤報、軌跡連續性、距離和速度誤差、重新捕獲時間。
TI TIDA-010281 參考設計與TI SWRA831A 報告是供應商材料。效能說法應歸屬於對應硬體、設定和條件,並在真實機器人場景獨立復現。

安裝、盲區與多徑效應決定現場效果
在機器人全運動範圍檢查高度、傾角、視場、底盤與機械臂遮擋、天線罩、保護罩和振動。把近距離盲區、負載、升降機構和充電座形成的遮擋區標到路線圖。
多徑效應會生成鬼影或擾動距離、角度。單獨測試牆角、狹窄金屬通道、玻璃和金屬面板、運動機械臂與充電座,確認雜波濾波器不會刪除人員或小障礙物。
融合前先統一時間、座標系與不確定度
先對齊外參、座標系、時間戳、延遲與更新頻率,再做檢測或軌跡關聯。雷達軌跡與相機檢測框、LiDAR 點簇結合時保留協方差、遮擋和未匹配檢測。
前融合、特徵級融合和後融合應按故障獨立性與算力預算選擇。用健康狀態訊號辨識相機眩光、LiDAR 汙染、雷達干擾,並定義降級模式的減速或停止。

現場驗收同時統計漏檢與診斷覆蓋率
組合成人、小物體、靜止、接近、橫穿、部分遮擋、多目標、低能見度和感測器故障,記錄檢測、軌跡、速度誤差、誤停、漏停、人工介入及 p95、p99。
僅安裝雷達不會讓系統自動滿足功能安全要求。降低風險的功能必須驗證感知、故障檢測、通訊、計算、制動或安全停機的完整鏈路。
| 測試場景 | 測量 | 預期融合反應 | 失敗處理 |
|---|---|---|---|
| 黑暗、眩光 | 軌跡、分類、延遲 | 保留雷達的距離與速度資訊 | 減速、重新獲取 |
| 粉塵、保護罩汙染 | 健康狀態、漏檢、誤報 | 隔離劣化感測器 | 清潔提醒、安全模式 |
| 金屬通道 | 鬼影、角度誤差 | 地圖與跨感測器剔除 | 調整區域、限制路線 |
| 橫穿、靜止小物體 | 連續性、最小距離 | 保留相機或 LiDAR 證據 | 補足盲區 |
把批准繫結到裝置、地區與軟體版本
頻段、輸出、認證與使用條件要按準確裝置和地區查核。不能把開發板或參考設計的合規擴大到最終產品,天線、外殼、韌體、安裝變化也要複審。
設定清單記錄裝置、韌體、設定、校正、保護罩、安裝位姿、融合模型、閾值、測試資料、環境範圍與已知盲區。路線、負載、底盤、感測器軟體棧或軟體改變時重跑相關場景。
常見問題
毫米波雷達能替代相機和 LiDAR 嗎?
通常是補充。距離、徑向速度與低光韌性有價值,但語意分類、精密幾何和部分小型靜止物體仍需其他感測器。
粉塵或黑暗中雷達一定能檢測嗎?
不一定。目標反射、角度、距離、保護罩、干擾和多徑效應都會影響結果,應在真實場景配對測試。
增加雷達就滿足功能安全嗎?
不會自動滿足。要按系統要求驗證感知、診斷、通訊、計算、執行和安全停機。
已核驗的官方資料
- TI TIDA-010281 reference design
- TI mmWave radar application report SWRA831A
- TI mmWave radar development portal
最後查核:2026 年 8 月 7 日
相關主題:物理 AI 企業生態系:機器人、模型、模擬與晶片如何分工、NVIDIA GR00T N2 與 N1.7 差在哪裡?版本與使用狀態、Jetson AGX Thor 與 Orin 價格比較:效能、功耗與升級判斷