不可置否，激光雷達已經成為掃地機器人的“耶路撒冷”。

導航技術的從無到有

回顧掃地機器人的興衰，本質是導航技術的從無到有、從弱到強、從少到多，而在這個過程中，激光雷達無疑發揮了無可替代的作用。2010年，第一臺搭載激光導航技術（LDS SLAM）的掃地機器人Neato問世，它可以通過激光雷達反射計算障礙物的距離并進行環境地圖構建，標志著掃地機器人從隨機式清掃進入了規劃式清掃時代。

十幾年間，激光導航技術不斷迭代，算法越來越完善，激光雷達的性能越來越強，成本也再不斷下探，其精度高、反應快、穩定性高的優勢讓它成為了當下最成熟的導航技術。對于消費者而言，是否是激光導航，也是判斷產品好壞的關鍵指標。

然而，正如激光導航替代隨機式導航，導航技術又在發生新的革新，只是這一次是回到了機器人能夠稱之為“人”的原點，智能化。同時，大語言模型的興起，更讓智能化愈演愈烈。

人們對機器人的要求不再只是程式化的規劃清掃每一塊區域，它需要能夠知道自身所處什么環境，懂得環境中的各種物體，并能通過人機交互或自主決策，完成跟隨、自主尋路、定向清掃等各種智能邏輯。想象一下，簡單一句“清掃一下餐桌周圍”，機器人便能跑到餐桌區域進行一次規劃清掃，自動處理油漬殘渣，才應是真正的解放雙手。

視覺、激光融合，誰才是未來？

能看“懂”環境，“眼睛”無疑是關鍵，然而激光導航受限于傳感器屬性，點云無法區別紋理信息，不具備場景辨識能力，在智能決策和智能交互方面存在天然缺陷。而這時，視覺技術出現在了廠商們的視野內。

視覺技術可以獲取更多豐富的紋理信息，擁有強大的場景辨識能力。雙目視覺導航通過雙目采集到的2D環境信息，經過算法處理生成的3D環境地圖，擁有豐富的語義信息，不僅可解算出機器與障礙物的距離，還有它的體積以及屬性信息，這對實現智能決策和交互提供了充足的前提條件。然而更豐富的技術效果也意味著更高的開發難度。

由于視覺導航數據處理量巨大，對算力要求很高，且容易受環境光照、參照物的特征信息以及掃地機器人硬件條件等因素影響，算法開發難度極高，也因此導致現有的不少視覺導航方案有著精度低、穩定性不足的缺點，使得視覺一直給人不靠譜的刻板印象，且主要應用于低端產品。

沒有人能夠忽略視覺表現出的巨大潛力，既然純視覺不行，如果加到激光導航里呢？

事實證明方法是可行的，融合導航方案顯著提升了機器人的感知能力、避障能力和決策能力，從首批融合導航掃地機器人石頭T7Pro &科沃斯地寶T8出現，便打破了長期同質化嚴重的競爭局面，在消費市場中受到了消費者的廣泛認可。在這之后，這類融合導航技術基本成為了高端機型的標配。

但融合導航方案并非沒有缺點，成本高、開發難度大，隨著傳感器不斷做加法，不僅對局促的機器人空間帶來挑戰，同樣系統復雜度也明顯提高，由此造成更多冗雜的運算壓力，而不斷提升平臺算力，只會導致成本進一步提升。在當下消費緊縮，市場價升量跌的背景下，無疑會加大廠商的運營壓力。

視覺能否正名？

技術研發從來沒有一帆風順，每一次迭代都步步維艱，激光導航如此，視覺導航同樣需要如此，而行業中也從不缺少吃螃蟹的人。

如何解決視覺導航的精度和穩定性問題，INDEMIND進行了長達5年的死磕，并推出市面上首款真正意義上的純視覺導航方案「家用機器人AI Kit」。

「家用機器人AI Kit」以INDEMIND自研的INDEMIND OS Lite家用機器人AGI系統為核心，搭配面向家用小型機器人專門研發的一體化立體視覺模組，可實現家用機器人導航定位、智能避障、路徑規劃、決策交互等核心功能，是包含軟硬件的ALL IN ONE解決方案。

首先，現有的視覺導航方案在算力上大多需要TX2及以上，甚至PC級算力需求，對CPU、GPU或NPU、內存均有較高要求，雖然攝像頭成本較低，但無形中又增加了成本。而INDEMIND為此研發了多種輕量化技術，輕量化VSLAM（基于深度學習特征的SLAM架構）

、輕量化Depth（基于深度學習特征匹配的Depth）、輕量化深度學習模型（底層算子自研、剪枝、量化），同時還在硬件上，對于視覺處理采用NEON加速、GPU加速、DSP加速等方式，提升計算性能，顯著降低算力要求。目前，INDEMIND視覺導航技術搭載4核A53/A55級別芯片即可滿足需求，能夠適配如RK3566（全解決方案情況下，雙目視覺多傳感器融合SLAM、雙目Depth、物體識別及整機完整SDK）。

同樣對于影響較大的環境光照問題，INDEMIND開發了一套系統化環境補光策略，包含主動式環境補光配置和光照變化條件下的建圖策略，在實際表現中，面對強光直射、無光源、昏暗等特殊光照環境均能無差異工作，滿足全天候作業要求。

在實際表現中，搭載「家用機器人AI Kit」的掃地機器人，導航精度已實現絕對定位精度<1%，姿態精度<1°，媲美激光雷達。

而基于獨有的立體視覺技術，機器人可以識別物體、人、動物及空間語義，根據掃地機器人家庭應用場景需求，目前定義識別鞋、插線板等多種物體，且識別類別可根據特定需求調整和訓練。同時配合智能決策引擎技術，機器人能夠有策略的實現智能避障(如根據障礙物不同做出不同規避距離)，且在交互上，可通過語音、手勢、動作等自然語言指令，命令機器人進行安全、搜尋、跟隨、自主尋路、定向清掃等多種智能邏輯。

從產品策略而言，堆料是高端產品的有效策略，但卻并非萬能，同時容易陷入內卷難以自拔，能夠成就高端的永遠是體驗。

審核編輯 黃宇