在全球經濟面臨勞動力短缺的背景下，加之疫情的進一步催化，服務機器人取得了蓬勃發展，預計2022年，全球服務機器人市場規模將達到217億美元，然而盡管如此，在高速發展之下，機器人的行業滲透率卻并未明顯提高，究其原因在于紅利之后，機器人的規模化商業落地過程走的并不順利。來源：INDMEIND

商業化落地的前提是產品能否提供真實價值，而真實價值的判斷在于產品能否適用場景。從市場反饋來看，大多數服務機器人都有著或多或少的“水土不服”問題，如無法適應環境變化，環境變化后，終端用戶無法簡單操作實現場景適配；智能化程度低，行人避障及功能表現不理想；部署困難，需要專業培訓人員部署等。造成這些問題的原因也有多個方面：

工況復雜。

在實際運行過程中，遺漏作業、避障失靈等問題頻發，而環境的復雜性是重要原因之一。以常見的商超場景為例：

? 場景內部復雜，如場景中鏤空的貨架（全高類障礙物）、狹窄的通道、易跌落區域、高低矮障礙物及臨時的攤鋪等對機器人通過性、感知能力、貼邊能力、任務規劃能力挑戰巨大。

? 動態變化，場景內人流量大，易聚集，動態障礙物較多，考驗機器人的安全避障能力。

? 特殊物體較多，如玻璃護欄、自動扶梯、玻璃轉門、玻璃墻等高透物體大多數機器人基本無法識別，且容易對激光雷達容易產生干擾，導致機器人誤判，發生碰撞、跌落、無法靠近作業等情況。

同時，場景的光線環境變化對于機器人的“眼睛”系統同樣影響極大，對于依賴視覺傳感器的機器人來說，想要在普通光線、黑暗、過曝等光照條件都能穩定運行并非易事。

智能化程度低，機器人在作業、避障等方面表現呆板、程式化，且動態（行人）避障效果不理想。

針對各種不同環境不能靈活處理，對于特殊場景處理較差。場景內部不同區域作業要求不同，如商超場景中的飲食區，水產區、果蔬、熟食區更易產生垃圾、積水，這就要求機器人能夠根據區域特性提高作業頻率等不同智能化作業。

面對場景的高動態性，機器人要能夠識別及預測行人動態，并主動避讓，而目前現有的機器人大多為被動避障，反應較為呆板，智能性不足，導致避障失敗的情況時有發生，機器人應具備實時判斷潛在風險的能力，提前做出規避。

部署效率低，需要專業培訓人員部署。

機器人部署流程復雜困難（如SLAM建圖、目標點標注等），所有部署操作只能由機器人公司特殊培訓的現場部署工程師執行，使用者難以操作及參與，且當需要變更時，仍需現場部署工程師進行操作。機器人企業往往需要搭建部署團隊，這樣的做法顯然會進一步加大投入成本。

來源：INDMEIND

在服務機器人行業競爭進入下半場的今天，毫無疑問，這些問題的解決將是規模化落地的關鍵。此外，由于高昂的成本，較低的人工替代價值，也導致終端客戶的購買意愿并不強烈。如何降本增效，機器人企業們卻仍在苦苦探索。與此同時，對于產業鏈上游的AI技術供應商們來說，卻是一次機遇，其中INDEMIND正走出了一條新道路。

作為國內領先的機器人關鍵AI技術供應商，INDEMIND在機器人的導航、避障、決策、AI交互等關鍵技術和產品開發方面有著豐富的積累，且擁有面向機器人企業從0到1搭建產品的全棧式技術能力。針對當下的機器人問題和行業需求，專門開發了RBN100商用機器人AI方案。

該方案區別于市場大部分以多線激光雷達為主的導航方案，而是采用以立體視覺為主，根據應用場景搭配單線激光雷達、ToF等傳感器的多傳感器融合方案，提供高精度導航定位及三維避障的安全決策功能，具備工業級機器人的可靠性及小型機器人的靈活性，同時成本更低廉。

在應用上，INDEMIND對商業場景做到了全兼容，目前已經部署過全球上千種不同商業場景，無需進行場景分類，直接部署即可使用，且針對場景內的玻璃幕墻、強光等傳統問題實現100%有效應對。

基于INDEMIND獨有的立體視覺技術，方案能夠對全域障礙物進行監測和識別，最小避障高度2cm，對于懸浮型障礙物、運動障礙物均能做到精準識別，且在使用中實時更新地圖，更正運行路線。同時，搭配決策引擎技術，方案還具備智能作業、主動安全和決策交互等能力。此外，針對光線適應問題，INDEMIND通過增加紋理補光、亮度補光等形式實現了光線自適應。

? 智能作業：依照場景中的動態化作業需求，自主調整作業策略，優化機器人作業性能及效率。

? 主動安全：作業過程中，能夠判斷潛在風險，并根據風險分類，提前做出規避策略。

? 接受用戶下達的自然語義命令，自主設計作業策略，完成個性化交互。

需要提到的是，搭載RBN100商用機器人AI方案的產品無需預部署開箱即用，不依賴線下支持團隊，偏遠地區可以完全依靠網絡銷售。同時在成本上，無需價格高昂的激光雷達傳感器，基于視覺傳感器成本的天然優勢，能夠大大降低整機成本。

目前，INDEMIND已和國內外多家巨頭客戶達成合作，簽署機器人訂單超2萬臺，實現全球部署，未來三年預期訂單將超10萬臺。

注：文中全球服務機器人市場規模數據來源自IFR

審核編輯 黃昊宇