導(dǎo)讀

機器人自主定位導(dǎo)航聽起來簡單，地圖數(shù)據(jù)+算法的結(jié)合，實則挑戰(zhàn)巨大。在落地實踐的過程中，需要解決各種各樣的問題，越過各式各樣的坑，才能最終完美應(yīng)用。

首先從地圖的呈現(xiàn)方式開始說起。

挑戰(zhàn)一：用戶心理預(yù)期地圖的問題

激光雷達充當著機器人的“眼睛”，能為機器人提供高精度的地圖及輪廓位置信息，但其實，所掃描出來的平面地圖跟用戶心理預(yù)期地圖存在較大差距。

很顯然，上面是兩種完全不同的地圖呈現(xiàn)。在面對用戶這一心理落差的時候，利用精細化建圖技術(shù)，縮小實際建圖與用戶心理落差之間的距離。

解決了地圖呈現(xiàn)方式問題之后，我們再回歸到老本行上——機器人可靠的障礙物規(guī)避。

挑戰(zhàn)二：障礙物的有效規(guī)避

很多人在看到機器人的時候，一是出于好奇，二是內(nèi)心的“小惡魔”，總想逗一逗他，看看是不是真的智能，于是便會故意擋在他前面，不讓他走。這時候，我們不僅需要激光雷達，還需要多傳感器數(shù)據(jù)的融合，實現(xiàn)有效避障和自主導(dǎo)航。

除了利用傳感器避障之外，還可以利用RoboStudio開發(fā)軟件來幫助機器人更好的理解環(huán)境中的邏輯。比如，有些地方是不希望機器人進入的，如：機場場景下的行人扶梯在維護，不希望機器人進去，這時候，我們就可以畫一道虛擬墻，“阻攔”機器人進入，無需任何實物鋪設(shè)，簡單易操作。

挑戰(zhàn)三：環(huán)境完全變化后的可靠定位在

環(huán)境完全變化后的可靠定位說簡單點就是重定位。重定位有兩個問題，第一個是人啟動的時候重定位，還有一種重定位是環(huán)境變化非常多的時候可靠定位。

首先，靠單一的傳感器肯定不能解決所有的問題，比如別人把激光雷達擋住了，激光雷達的數(shù)據(jù)就起不了作用了。但是，我們不怕，我們還有其他的傳感器，所以就用傳感器和建立概率模型來解決問題。這樣的話，也解決了一個實際問題，這個對于服務(wù)機器人廠商來說是非常好的。

挑戰(zhàn)四：全局重定位

全局重定位一般在行業(yè)中有幾個解決方案，第一個是使用UWB，但是這個技術(shù)有一個缺點，必須對環(huán)境進行布置，比如把它放在一個場景，需要預(yù)先在場景里很多地方預(yù)埋信標，這在成本和部署上有一定的挑戰(zhàn)。還有一種是完全自主重定位，無需額外傳感器輔助。思嵐所做的就是后者，當機器人被推離或者出現(xiàn)位姿偏差時，可使用Robo Studio中的重新定位功能，糾正位姿錯誤。

最后，就要說到一個不得不提到的問題，那就是多場景適配的問題。

挑戰(zhàn)五：多場景適配

未來，機器人想要深入到各行各業(yè)，應(yīng)用于各種場景中時，肯定會面臨多場景適配的問題。人來人往的商場、多樓層的酒店配送……，這些都需要機器人具備場景的自由切換能力。

這個就需要行業(yè)的整合，不單是把導(dǎo)航定位系統(tǒng)做好，還要針對電梯的通訊協(xié)議，不同樓層之間感應(yīng)到樓層的切換。這從細節(jié)上來說，還要考慮用戶心理的問題，因為有時候電梯人很多，機器人該怎么進去？這些都是需要考慮的現(xiàn)實問題。

在越過這些坑之后，機器人自主定位導(dǎo)航解決方案才能真正inside到各種產(chǎn)品中去，實現(xiàn)落地，實現(xiàn)商業(yè)化的運作。