隨著機器人應用領域的不斷拓展，越來越多的機器人開始進入到人們的各種生活場景中，商場、超市、餐廳等等，然而伴隨著應用場景的劇增，整體環境特征的復雜度和動態性也在明顯提升，安全表現成為了衡量機器人性能的的硬性標準。

從技術角度而言，機器人的安全表現主要由安全決策技術決定。作為決策智能的重要組成部分，安全決策主要為機器人識別并判斷作業環境中的危險場景，實現有預判、有策略的實時智能規避，從而保證機器人的安全運行。

其技術原理主要依托于物體識別、場景識別及語義地圖等底層技術，識別各種物體、場景，如基于camera的自動扶梯識別、基于Lidar的玻璃場景識別、基于TOF的跌落的識別等等，并利用語義地圖進行融合決策，讓機器人能夠按照不同風險等級進行不同安全策略的控制及避障，包括運動速度、避讓距離、危險預判等。

雖然技術原理早已不是“私密”，但要把技術真正應用到產品當中，卻非一件易事。除了前期對該部分技術的研發投入相對不足外，其涉及的算法部分開發難度也同樣極高，尤其是識別算法，雖然基于圖像的識別率和準確率表現良好，但對于一些透光度較強的玻璃等物體識別，一直較難實現，只能依靠超聲檢測。

目前真正投入到實際應用的安全決策技術方案，其技術實現主要采用不同場景不同物體不同處理的方式，比如通過跌落傳感器或結構光檢測到跌落，則進行防跌落操作；超聲檢測到玻璃，則規避玻璃；檢測到行人，則警報提醒，且對于識別性較差的物體，如玻璃，很多場景在建圖過程中需要人為識別出玻璃的位置，并手動在地圖中劃定虛擬墻，才能使機器人完成規劃及運動。這樣的做法雖實現了一定的安全功能，但缺陷十分明顯，主要為：

未進行成體系的安全策略，整體系統聯動性、可拓展性差；

僅固定幾種安全場景，單獨場景單獨處理，安全覆蓋率低；

對傳感器依賴嚴重，成本較高。

在智能化不斷升級的今天，僅是做到“剛剛能用”的程度顯然無法滿足市場需求。而不同于其它生活用品，機器人的安全性無法“遷就”，尤其在同質化競爭不斷加重，差異化突破成為行業共同難題的背景下，安全性無疑是提升產品競爭力的關鍵之一。

作為國內最早的機器人技術供應商，INDEMIND有著多年的全棧技術研發經驗，針對機器人安全問題開發了一套系統化的安全決策技術體系。在技術實現上，通過從傳感器、識別算法、語義地圖、策略執行4個層面出發，建立各單元聯動機制，充分釋放系統硬件潛力，顯著提升了機器人的安全表現。

多傳感器融合，提升信息獲取能力：傳感器采用雙目視覺模組、Lidar、TOF、跌落傳感器、碰撞傳感器；

AI識別算法，精準識別場景信息：基于TOF 3D數據，基于camera 2D環境圖像數據、基于Lidar 2D平面數據等的物體及場景識別及基于跌落、碰撞等傳感器的概率判別；

3D語義地圖，賦予“人眼”感官：基于識別得到的語義信息結合機器人位姿信息，構建環境語義地圖；

策略執行，模仿“人腦”決策：對構建的語義地圖疊加決策屬性信息，進行安全決策執行。

同時，為了進一步降低場景差異性帶來的適應性問題，基于對場景的深度理解，INDEMIND針對各類場景還做了整體化策略，無需再根據不同場景做針對性處理，縮短安全決策流程，大大提升機器人的適應能力及作業效率。

如：

扶梯識別及規避的安全策略；

行人識別及規避的安全策略；

玻璃場景識別及規避的安全策略；

跌落場景識別及規避的安全策略。

這種系統化的機器人安全決策體系，在應用上可拓展性強，各層獨立切分，又合并成體系，所有安全需求均可基于該體系實現，同時安全執行基于策略執行定義及實現，用戶可以根據需求或機器人運行環境進行自主設定，使得在提升機器人安全表現的同時，可操作性極強，普通用戶即可自主操作，這無疑為解決當下的行業難題提供了有效路徑。