首页 >> 学术资讯 >>前沿文章 >>光学 >> 浙江大学陈红胜团队《PhotoniX》:元强化学习超表面实现动态隐身隧道!
详细内容

浙江大学陈红胜团队《PhotoniX》:元强化学习超表面实现动态隐身隧道!

传统电磁隐身技术(如变换光学和静态超表面)受限于封闭外壳和静态目标,难以适应开放区域中任意物体的动态隐藏需求。针对这一挑战,本文提出并实验验证了一种创新的“透明隐身隧道”。该隧道基于元强化学习超表面,通过集感知、决策与调控于一体的智能架构,首次实现了对设备外部开放区域内形状、尺寸、材料各异的运动目标进行实时、自适应的高保真隐身,代表了从“结构隐身”到“计算隐身”的范式转变。

微信图片_2026-01-26_154905_811.png

一、解决的问题

传统电磁隐身技术主要依赖将静态物体包裹在预先定义的封闭几何结构中,本质上将隐身能力限制在固定、封闭的拓扑形态中。这导致无法对开放、无边界的空间中任意移动目标实现动态、自适应的隐蔽,严重制约了隐身技术在真实动态场景(如车辆通道、传送带、机器人物流等)中的应用。


二、提出的方法

本文提出并实验验证了一种 “透明隐身隧道”(Transparent Cloaking Tunnel, TCT) ,其核心是基于 元强化学习超表面(Meta²Surface) 的智能隐身系统。该系统采用 “元强化学习隐身算法”(MRC) ,通过一个基于超网络的元策略,实时融合传感器获取的电磁环境特征与历史交互轨迹,动态合成阻抗调控策略,在毫秒级延迟内主动抵消目标相关的散射场。

系统包含四个关键部分:

  • 可调谐超表面:由相位可调单元构成,通过变容二极管实现电容调控;

  • 探测器:实时监测隐身隧道内的局部电磁场;

  • 控制器:运行MRC算法,根据探测器数据和任务目标实时计算调控电压;

  • 高速数字电源:执行毫秒级电压调控,重构散射场以实现隐身。


三、实现的效果

通过全波仿真与微波实验(5 GHz频段)验证,该系统能够实现:

  • 对不同形状、尺寸、材料、姿态和运动轨迹的动态目标进行高保真隐身;

  • 支持目标实时替换与环境扰动,无需针对每个场景重新训练;

  • 隐身区域内散射场与背景场相似度达 90% 以上,差分雷达散射截面(RCS)降低超过 86–88%;

  • 系统控制延迟约 6 ms(推理3 ms + 执行3 ms),适用于宏观运动目标(如车辆)的实时隐身。


四、创新点

  1. 开放隐身架构:首次实现设备外部、开放区域的隐身隧道,支持物体自由进出,突破了传统隐身必须“包裹”目标的限制。

  2. 元强化学习驱动:引入元强化学习框架,实现跨任务知识迁移与小样本快速适应,显著提升在动态、复杂环境中的泛化能力。

  3. 传感-决策-调控一体化:采用“传感器在环”架构,实现从感知到调控的毫秒级闭环控制,具备实时环境响应能力。

  4. 系统可扩展性强:架构支持频段扩展(如太赫兹、光学频段)与分布式多智能体调控,具备向大规模认知电磁基础设施拓展的潜力。


总结

该研究通过元强化学习与可重构超表面的深度融合,实现了从“结构隐身”到“计算隐身”的范式转变,首次实验验证了开放、动态、自适应的隐身隧道,为智能电磁操控、隐身基础设施等应用奠定了技术基础。


研究成果以题为:《Adaptive transparent cloaking tunnel enabled by Meta-Reinforcement-Learning Metasurfaces》发表于期刊《PhotoniX》。单位为:浙江大学、西安电子科技大学、杭州城市学院,第一作者为:浙江大学Jiwei Zhao.

01

摘要

摘要:

传统电磁隐身范式主要需将静态物体封装于预定义的拓扑外壳内,本质上将隐身能力限制于固定、封闭的几何结构。在开放、无边界的孔径内,实现对任意运动目标的动态自适应隐藏,仍然是一个艰巨的挑战。在此,我们报道了一种元强化学习超表面,它首次实现了“透明隐身隧道”的实验演示——这是一个允许多种物体未被探测通过的开放走廊。区别于传统的自适应隐身装置,该超表面采用一种由任务自适应超网络控制的传感器在环元策略。该架构将实时传感与历史交互轨迹相融合,即时合成阻抗策略,以毫秒级延迟主动抵消与物体相关的散射。全面的全波仿真与微波实验证实,系统能对各种动态目标——形状、尺寸、材料和轨迹各异,甚至在物体突然替换的情况下——实现稳健、高保真的隐身。通过将隐身从静态封装转向动态、开放的架构,这项工作建立了一个将人工智能与可重构超表面相融合的新范式,以实现认知性、大规模的电磁波操控。


02

图示

图1:由元强化学习超表面实现的适应性透明隐身隧道概念架构

1769414047210007.png

图2:MRC算法架构

1769414068160463.png

图3:元强化学习超表面驱动隐身的仿真结果

1769414089468172.png

图4:实验装置与结构设计示意图

1769414130452838.png

图5:环境鲁棒性,验证单个目标在不同入射角、高度和姿态下隐身稳定性

1769414154934110.png

图6:泛化至各种目标,展示智能体对训练集中未出现的新物体(复杂几何体和多物体簇)进行隐身的能力

1769414178527377.png



文章信息

文章信息:Zhao, J., Zhu, P., Wen, Z. et al. Adaptive transparent cloaking tunnel enabled by Meta-Reinforcement-Learning Metasurfaces. PhotoniX 7, 2 (2026).

DOI:https://doi.org/10.1186/s43074-025-00224-0

暂无评论


seo seo