入坑容易，玩出彩難。

一直以來，關(guān)于純視覺自動駕駛的爭議，始終挑撥著業(yè)內(nèi)的神經(jīng)。不斷引發(fā)專業(yè)人士的“友好討論”，甚至頭部車企的創(chuàng)始人直接下場對線。但正如沒有人能準(zhǔn)確預(yù)知未來一樣，在即分高下也決生死的緊張氛圍下，總有一方會被回旋鏢打到自己。

馬斯克的篤定，小鵬的“背刺”

當(dāng)FSD問題纏身，馬斯克卻篤定自動駕駛純視覺就是終極答案，說出融合激光雷達完全毫無意義，注定失敗的言論時，已經(jīng)無需猜測在行業(yè)中所能引起的爭議有多大。

在2021年，特斯拉突然宣布FSD的V9.0 beta測試版宣布采用純視覺方案，行業(yè)內(nèi)的質(zhì)疑聲隨之再起，但這些聲音絲毫沒有影響到馬斯克的計劃，隨后便上市了不再配備毫米波雷達的Model 3和Model Y。

正如不管你是天才還是普通人都會栽跟頭一樣，這次輪到了馬斯克，當(dāng)年11月份便召回了1.1萬輛車，重要原因便是純視覺的表現(xiàn)沒有達到預(yù)期。一時間，純視覺不可靠的聲音甚至把特斯拉團隊搞得“自我懷疑”。

然而時至今日，隨著V12版本的發(fā)布，純視覺方案的口碑似乎一夜得到了逆轉(zhuǎn)，其表現(xiàn)出的智駕表現(xiàn)不僅獲得了大部分人的認(rèn)可， 還有融合方案忠實擁躉的“背刺”。

前段時間，何小鵬在美國親測FSD之后，宣布轉(zhuǎn)向純視覺。隨后業(yè)內(nèi)便曝光了小鵬新車P7+棄用激光雷達。小鵬是國內(nèi)智能駕駛的領(lǐng)頭羊，同時也是融合方案的技術(shù)代表，這一突然的轉(zhuǎn)變，不僅引發(fā)國內(nèi)的熱議，也讓馬斯克忍不住評論三點。

事實上，小鵬的轉(zhuǎn)向并非突然，在此之前，業(yè)內(nèi)人士便已曝出激光雷達在去年就沒有進入小鵬的BEV網(wǎng)絡(luò)進行訓(xùn)練，只是在XNet給出感知結(jié)果之后，進行識別距離的二次確認(rèn)。同樣，有plan B的不只是小鵬，每家車企都不會固步自守地堅持一個技術(shù)路線。諸如華為、蔚來、小米、極越等車企都已在嘗試及應(yīng)用純視覺方案。因此到今天，當(dāng)純視覺逐漸被接受，二者的爭議顯然已經(jīng)不再重要。

純視覺，適合機器人嗎？

機器人作為自動駕駛汽車的孿生兄弟，在技術(shù)層面有著極大的相似性，均需要通過強大的感知模塊獲取環(huán)境信息，這意味著視覺方案對于機器人有著同樣的天然優(yōu)勢。然而優(yōu)勢歸優(yōu)勢，雖是孿生子，差異性同樣很多。

一方面，視覺方案能獲取豐富的環(huán)境信息，卻也需要消耗極大的計算資源。與汽車搭載的車規(guī)級硬件相比，機器人顯然做不到。在無論家用機器人還是商用機器人都大打價格戰(zhàn)的今天，廠商們無不為了降本增效絞盡腦汁，如果僅是為了應(yīng)用視覺方案，從而提升整機成本，顯然并不現(xiàn)實。

另一方面，自動駕駛面臨的真實環(huán)境，大多為標(biāo)準(zhǔn)性的，包含標(biāo)準(zhǔn)的交通信號、路面標(biāo)示、行駛準(zhǔn)則等等，而機器人面對的環(huán)境相對更加多樣，且具有非標(biāo)性，環(huán)境適應(yīng)能力需要更強。

因此，在保障整體性能的前提下，有效降低算力要求是機器人不同于汽車的第一步。

其次，隨著機器人發(fā)展趨勢回歸產(chǎn)品本身，智能化升級成為了核心競爭力。機器人不僅需要具備更穩(wěn)健的適應(yīng)能力，還需要具備智能避障、AI識別、人機交互、智能作業(yè)、多機協(xié)作、智能梯控等等。此外，對于不同領(lǐng)域的機器人，還需要練就獨有的“絕活”，如清潔機器人的臟污檢測能力。

針對這些需求，視覺方案還需要給出自己的答案。

玩轉(zhuǎn)純視覺，INDEMIND的答案

作為視覺技術(shù)起家的機器人技術(shù)公司，從早期的視覺模組產(chǎn)品，到如今的機器人視覺解決方案，INDEMIND一直堅信著視覺技術(shù)的潛力。

相較于行業(yè)內(nèi)對于視覺方案的剖析，作為入局者的INDEMIND有著更深刻的體會。面對層出不窮的技術(shù)難題，不斷投入，敢于創(chuàng)新是保持持續(xù)進化的關(guān)鍵。隨著核心技術(shù)鏈不斷成熟，目前已實現(xiàn)純視覺方案家用機器人和商用機器人全適配。

在研發(fā)過程中，針對算力難題，INDEMIND為此研發(fā)了多種輕量化技術(shù)，輕量化VSLAM（基于深度學(xué)習(xí)特征的SLAM架構(gòu)）、輕量化Depth（基于深度學(xué)習(xí)特征匹配的Depth）、輕量化深度學(xué)習(xí)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。

目前，在掃地機器人方向，INDEMIND視覺方案搭載4核A53/A55級別芯片即可滿足需求，能夠適配如RK3566、VicoreTek 6601/6801等（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）。

在環(huán)境適應(yīng)方面，INDEMIND視覺方案可實時自主創(chuàng)建及更新全場景二維地圖、三維地圖及語義地圖，顯著提升機器人的場景適應(yīng)能力。同時，INDEMIND擁有超過100個使用場景的海量數(shù)據(jù)，對于清潔、配送、導(dǎo)覽、安防等多種工作場景有著深度理解，進一步提升機器人的環(huán)境自適應(yīng)能力。

特別需要說到的是，搭載INDEMIND視覺方案的商用機器人可以做到無需預(yù)部署，開機即用，這與現(xiàn)有產(chǎn)品有著明顯區(qū)別。

INDEMIND還開發(fā)了一套系統(tǒng)化環(huán)境補光策略，包含主動式環(huán)境補光配置和光照變化條件下的建圖策略，在實際表現(xiàn)中，面對強光直射、無光源、昏暗等特殊光照環(huán)境均能無差異工作，滿足全天候作業(yè)要求。

為了提升智能表現(xiàn)，INDEMIND基于設(shè)備端、云端智能決策平臺、大數(shù)據(jù)平臺三端，建立了一套智能決策引擎，能夠在語義層次上理解環(huán)境信息，模仿人類大腦對環(huán)境理解的方式，并進行策略處理，實現(xiàn)智能避障、人機交互、智能作業(yè)等多種業(yè)務(wù)邏輯。同時，基于關(guān)鍵數(shù)據(jù)能夠不斷更新算法模型，持續(xù)提升場景處理和問題應(yīng)對能力。

值得一提的是，INDEMIND還研發(fā)了以視覺圖像算法配合融合攝像頭及主動補光策略構(gòu)建而成的臟污識別技術(shù)，在實際表現(xiàn)上，目前已能夠達到平均臟污檢出率99%以上（包含常見固體、液體臟污），支持任何地面材質(zhì)、花色、光線下的透明、半透明，不透明液體及干涸污漬識別、顆粒狀臟污識別、粉末狀臟污識別，是目前行業(yè)極少成熟且性能優(yōu)異的技術(shù)方案。

新技術(shù)的出現(xiàn)，總會面臨著爭議，但與此同時，我們也需要做好接受新事物的準(zhǔn)備。

審核編輯 黃宇