传感器将现实中并不存在的、玻璃反射形成的虚像（幽灵点）误识别为墙体的示意图（供图：庆应义塾大学吉冈健太郎副教授）
庆应义塾大学等开发出了可提高自动驾驶汽车传感器精度的人工智能（AI）。这种AI能够识别出由玻璃等反射产生的虚像，从而防止对人或车辆的误识别，并有助于抑制急刹车等情况。
实际上不存在的虚像被称为“幽灵点（Ghost）”，有时会被自动驾驶汽车的传感器误检为物体。庆应大学的吉冈健太郎副教授等人开发出了检测这种幽灵点的AI模型“FWL-MAE”，能够将搭载于自动驾驶汽车上的“LiDAR（激光雷达）”传感器所检测到的虚像比以往减少七成。将玻璃反射的人物像误检测为真人的概率降至五十分之一。
激光雷达依靠激光测量到对象物的距离。根据照射到物体上的激光束返回所需的时间来计算距离。当物体为玻璃时，根据反射情况有时会产生多个反射光，进而使传感器产生幽灵点，成为误检的诱因。
吉冈副教授团队在玻璃幕墙办公室等存在多重反射场景的室内、户外环境采集数据，构建了标注总量约75亿条的数据集“Ghost-FWL”。通过让AI学习这些数据，完成了本次AI模型的开发。
要判断该技术是否达到可搭载于自动驾驶汽车的水平，还需在实际行驶环境中进行验证。吉冈副教授预计最快可于2029年实现实用化，后续将与海外自动驾驶制造商等开展合作。
相关研究成果计划在图像识别领域国际会议“CVPR”上发表。
原文：《日本经济新闻》、2026/7/28
翻译：JST客观日本编辑部
【论文信息】
国际会议：IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2026)
论文：Ghost-FWL: A Large-Scale Full-Waveform LiDAR Dataset for Ghost Detection and Removal
URL：https://openaccess.thecvf.com/content/CVPR2026/papers/Ikeda_Ghost-FWL_A_Large-Scale_Full-Waveform_LiDAR_Dataset_for_Ghost_Detection_and_CVPR_2026_paper.pdf
