隨著AI技術的飛速發展，服務機器人正以前所未有的速度融入人類生活的各個角落。從酒店到餐廳，從超市到醫院，服務機器人的身影無所不在。然而在享受這些智能伙伴帶來便利的同時，一個核心問題始終擺在人們面前——安全。

安全能力決定場景滲透深度

安全能力，不僅是確保服務機器人能夠穩定、可靠執行任務的基石，更是保障人員與場景安全的防線。與工業機器人所處的結構化、相對簡單的工作環境不同，服務機器人需要直面更多復雜多變的非結構化場景。這里人員密集、環境復雜且多變，隨時可能出現各種意想不到的狀況，這無疑對機器人的安全能力提出了極高的要求。

從產品設計角度來看，提升機器人安全性的方式多種多樣，例如增強結構穩定性、配置安全防護裝置、優化制動系統、提升傳感器性能等。然而，在這些方法中，提升機器人的避障能力無疑是重中之重。

它不僅決定了機器人的安全性能，還直接影響機器人的作業效率、自主性、智能性以及可應用的場景范圍和維護成本。

而隨著應用場景從常見的大型商用場景不斷深入到越來越多的零售小場景，場景的復雜度與多樣性持續攀升，對機器人安全能力的要求還在持續提高。機器人不僅要避的快、避的穩、避的準，還要一定程度上實現主動避障。

避免碰撞應是機器人的基本功，機器人不僅要能夠精準規避常規物體，如玻璃、鏡面等高反光障礙物，地插、桌椅底座等低矮障礙物，以及桌面、警戒線等全高障礙物，同時，機器人還要能智能識別并靈敏規避行人、動物、拋物等動態物體。

而在此之上，面對復雜多變的作業場景，機器人越來越需要具備“預見風險”的能力，除了穩定“避免碰撞”，還要能實時判斷潛在風險，提前做出規避策略，實現主動安全。

要實現這種技術目標，不同廠商有著不同的答案，而INDEMIND走向了視覺路線。

融合多項前沿技術，為機器人拉滿安全感

目前，大多數機器人采用激光、ToF、結構光、雙目等傳感器采集場景點云信息，構建柵格地圖進行避障。雖然這些方案能夠滿足基本需求，但仍存在諸多局限性：對傳感器依賴嚴重、成本較高，且無法有效檢測所有動靜態、低矮及懸空障礙物。尤其是主流的激光雷達方案，由于信息豐富度不足，難以結合深度學習實現智能化避障。

為了實現從"避免碰撞"向"預見風險"進化，INDEMIND開發了全新的視覺技術方案。通過融合多項前沿技術，INDEMIND研發了一套系統化的安全決策體系，不僅實現智能避障，還賦予機器人主動安全能力。

1.感知升維，視覺多模態融合架構

自研異構數據融合算法，能夠靈活融合雙目視覺模組、Lidar、ToF、跌落傳感器、碰撞傳感器等多種傳感器，實現時空同步，全面提升信息獲取能力。

2. 認知進化，從AI識別到語義地圖構建

基于ToF、camera、Lidar等傳感器數據，結合獨有識別算法，能夠精準識別物體及場景信息。同時在此基礎上，根據識別得到的語義信息結合機器人位姿信息，還能夠實時構建環境語義地圖，且支持地圖實時更新（場景格局變化）。

3. 決策升級，類腦決策引擎

基于設備端、云端智能決策平臺及大數據平臺，模仿“人腦”決策，對語義地圖疊加決策屬性信息，執行安全決策。同時，通過關鍵數據不斷優化算法模型，持續提升場景處理與問題應對能力。

卓越性能：復雜環境下的穩定表現

基于獨有的視覺識別技術和INDEMIND微秒級的安全決策，機器人能夠穩定檢測各類障礙物。

靜態避障：支持低矮障礙物、高反光障礙物、全高障礙物的精準檢測與避障，確保機器人在復雜環境中的安全運行。

動態避障：實時檢測并規避拋物、行人、快速移動物體。

主動安全：基于風險預測機制，主動判斷潛在風險，并根據風險分類，執行相應規避策略，實現主動安全。

光線適應性：基于強光規避策略及內置的亮度補光、紋理補光設備（符合人眼安全等級C1），機器人能夠在強光直射、無光源、昏暗等特殊光照環境下穩定工作。

INDEMIND的視覺技術方案不僅為服務機器人提供了卓越的避障能力，還通過智能化決策與多傳感器融合，全面提升了機器人的安全性能。在復雜多變的商用場景中，這一技術為機器人賦予了更高的自主性、智能性與可靠性。

目前，INDEMIND視覺技術已推出標準化技術方案，商用機器人AI Kit，并獲得ICE、空客等多家國內外頭部廠商的合作。

審核編輯 黃宇