噱頭大于實際？

掃地機器人的真實避障能力有幾分？

避障功能作為掃地機器人的核心賣點之一，類似精準、智能、零誤撞等詞匯，基本是市面上大部分產品的常用詞，但對于經過市場教育的消費者而言，顯然并不完全同意。

隨著避障技術不斷升級，掃地機器人從最初的碰撞式避障進化到“主動”避障，避障表現可以說得到了跨越式提升，面對各種家具、鞋類、電器等常見物體都能夠有效應對，但真實的家庭環境下，障礙物種類更加復雜多樣，仍存在較多讓掃地機器人“汗流浹背”的障礙物，一旦遇到往往需要聽天由命，時常出現纏繞、卡死、碰撞等情況。

這些障礙物可以簡單分為低矮類（兒童積木、線團、桌椅底座等）、全高類（桌子/沙發底架等）、高反類（鏡子、玻璃杯等）。

從技術角度來看，目前大多數產品基本采用激光雷達避障技術，雖然優點延遲低，效果穩定，準確度高，成本也較低，但缺點也較明顯，受限于激光雷達布局，有探測盲區，容易對低矮障礙物產生誤判，且無法規避玻璃等高反物體，同時激光雷達無法識別語義的天然缺陷，也導致無法實現策略化的智能避障。

挑戰不可能，看視覺方案表現幾何？

作為視覺技術起家的機器人技術公司，INDEMIND在家用方向一直堅持純視覺路線，并全棧自研推出「家用機器人AI Kit」機器人解決方案。該方案以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。

面對那些讓掃地機器人“汗流浹背”的障礙物，搭載「家用機器人AI Kit」的機器人又能表現幾何？

在測試中，INDEMIND模擬了一個真實的家庭場景，并通過放置不同障礙物進行了多種障礙物挑戰。

低矮類（兒童積木、線團、桌椅底座等）

全高類（桌子/沙發底架等）

高反類（鏡子、玻璃杯等）

經過多次嚴格測試，機器人面對這三類障礙物均能精準穩定避障。

純視覺穩定避障的秘密

雖然視覺方案潛力巨大，但算力要求也較高，且精度和穩定性也較差，對于一臺消費級的產品，過高的算力要求顯然不現實。為了解決算力和穩定性問題，INDEMIND不僅在算法上實現了VSLAM和深度學習模型輕量化，還通過配合硬件采用CPU（NEON）、GPU、NPU算法加速技術，有效降低了平臺的計算壓力，目前已能夠在幾美金的計算平臺實現穩定運行建圖、導航、避障等任務邏輯。

與此同時，基于INDEMIND研發訓練的物體識別卷積神經網絡模型，可以準確識別家用場景中的低矮障礙物（例如：動物糞便、拖鞋、鑰匙串、線材、地插等）、透明玻璃容器類障礙物、動態障礙物（人、寵物）等等，自研的智能決策引擎可結合物體識別信息根據物體分類進行避障，可以有效避開動物糞便、拖鞋等特定障礙物，識別策略可配置，目前精度可達1%，最小尺寸1cm。

此外，面對光線影響問題，INDEMIND還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。

審核編輯 黃宇