一邊是技術(shù)圈頂流，一邊在當(dāng)前行業(yè)應(yīng)用中沒(méi)什么存在感。

優(yōu)點(diǎn)缺點(diǎn)，兩頭拔尖

優(yōu)點(diǎn)與缺點(diǎn)都突出的特點(diǎn)，讓視覺(jué)方案一直伴隨著爭(zhēng)議，在近些年的行業(yè)應(yīng)用上也一直透著“底氣”不足。但隨著在自動(dòng)駕駛方面，純視覺(jué)FSD開(kāi)始表現(xiàn)出極其優(yōu)秀的智駕能力，是否意味著，對(duì)于機(jī)器人導(dǎo)航方面，視覺(jué)方案也不僅僅是配角？

視覺(jué)方案的優(yōu)勢(shì)除卻成本較低，更加重要的是能夠獲取更豐富的環(huán)境信息，讓機(jī)器人在重定位、場(chǎng)景分類、交互等功能實(shí)現(xiàn)上更具優(yōu)勢(shì)。但缺陷也因?yàn)閿?shù)據(jù)處理量巨大，對(duì)算力要求很高，在算法和硬件無(wú)法給予足夠支持時(shí)，機(jī)器人就會(huì)出現(xiàn)精準(zhǔn)度下降、卡頓、避障失靈等問(wèn)題，進(jìn)而導(dǎo)致任務(wù)無(wú)法達(dá)到預(yù)期，甚至失敗。這意味著要發(fā)揮出視覺(jué)方案的實(shí)際潛力，要么搭載高算力平臺(tái)，要么需要優(yōu)化程度非常高的算法，否則所謂的巨大潛力，便成了笑話。

回到現(xiàn)實(shí)，讓選擇視覺(jué)的消費(fèi)級(jí)掃地機(jī)器人產(chǎn)品重新拉高算力成本，顯然不可能。但如果算力無(wú)法滿足要求，算法就會(huì)做剪枝，閹割功能和極限性能，這也是視覺(jué)方案在當(dāng)前行業(yè)應(yīng)用上只能做配角的重要原因。

消費(fèi)級(jí)的產(chǎn)品注定了其目前能搭載的芯片算力不會(huì)太高，想要真正發(fā)揮視覺(jué)方案的應(yīng)用潛力，便只能在算法上下功夫。

算法瘦身，提升算力利用率

INDEMIND認(rèn)為，對(duì)算法“瘦身”，并提高算力資源利用率，或許是打破算力桎梏的有效路徑。為此，INDEMIND進(jìn)行了多年的實(shí)踐探索。

一方面，通過(guò)對(duì)算法進(jìn)行輕量化“瘦身”，研發(fā)了輕量化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）等，在不影響功能表現(xiàn)的前提下，對(duì)算力要求有效降低。

另一方面， 通過(guò)采用硬件加速技術(shù)，對(duì)于視覺(jué)處理采用NEON加速、GPU加速、DSP加速等方式，提升芯片算力利用率。（系統(tǒng)運(yùn)行時(shí)，芯片的計(jì)算單元不會(huì)全部被使用，導(dǎo)致算力資源浪費(fèi)。）

結(jié)果證明，通過(guò)全棧自研輕量化算法和應(yīng)用一系列軟硬件優(yōu)化技術(shù)，INDEMIND實(shí)現(xiàn)了在幾美金的計(jì)算平臺(tái)上穩(wěn)定運(yùn)行整套VSLAM算法。

目前，公司推出的家用機(jī)器人AI解決方案搭載4核A53/A55級(jí)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(jué)多傳感器融合SLAM、雙目Depth、物體識(shí)別及整機(jī)完整SDK）。需要說(shuō)明的是，現(xiàn)有的大部分視覺(jué)導(dǎo)航方案在算力上大多需要TX2及以上，甚至PC級(jí)算力需求，且對(duì)CPU、GPU或NPU、內(nèi)存均有較高要求。

算法再升級(jí)，賦能產(chǎn)品“真”創(chuàng)新

· 打破現(xiàn)有建圖慣例，首創(chuàng)“真”三維建圖

目前主流的傳統(tǒng)2D柵格地圖、拓?fù)涞貓D雖然能夠描述環(huán)境中存在的障礙物幾何特征及其環(huán)境結(jié)構(gòu)信息，但卻缺乏機(jī)器人用于理解環(huán)境、人機(jī)/物機(jī)交互等業(yè)務(wù)邏輯的高層次語(yǔ)義信息。

工程機(jī)演示，不代表最終量產(chǎn)效果

INDEMIND則基于自研的VSLAM技術(shù)，首創(chuàng)了市面上真正意義上的三維地圖。地圖構(gòu)建過(guò)程中，能夠重建物體及環(huán)境的結(jié)構(gòu)信息，還有物體類別、功能屬性等“常識(shí)”性信息，這為上層功能開(kāi)發(fā)提供了底層數(shù)據(jù)支持。

· 厘米級(jí)精準(zhǔn)避障技術(shù)，無(wú)懼玻璃、積木

與自動(dòng)駕駛漸入佳境相反，機(jī)器人仍在與避障死磕。一塊積木、一面玻璃等似乎成了大多數(shù)掃地機(jī)器人無(wú)法逾越的天塹。

INDEMIND基于設(shè)備端、云端智能決策平臺(tái)、大數(shù)據(jù)平臺(tái)三端專門建立了一套智能決策引擎，用于支持機(jī)器人完成邏輯判斷和決策，且在不斷使用中，能夠根據(jù)關(guān)鍵數(shù)據(jù)不斷更新算法模型，持續(xù)提升場(chǎng)景處理和問(wèn)題應(yīng)對(duì)能力。借助微秒級(jí)的智能決策引擎，機(jī)器人能夠穩(wěn)定檢測(cè)各類障礙物，支持低矮障礙物避障（地插、桌椅底座等）；高反障礙物避障（玻璃、鏡面等）。同時(shí)，配合環(huán)境補(bǔ)光技術(shù)，機(jī)器人在黑暗環(huán)境同樣能夠輕松應(yīng)對(duì)。

· “真”臟污識(shí)別技術(shù)，哪里臟掃哪里

自研臟污識(shí)別技術(shù)，讓掃地機(jī)器人像人一樣“定點(diǎn)打擊”。基于獨(dú)有的圖像算法，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(shí)別、顆粒狀臟污識(shí)別、粉末狀臟污識(shí)別。而基于識(shí)別結(jié)果，系統(tǒng)能夠針對(duì)臟污類型和臟污程度自主決策清潔策略，提升清潔質(zhì)量和覆蓋率。

在清潔過(guò)程中，機(jī)器人能夠?qū)⑴K污檢測(cè)結(jié)果及位置與場(chǎng)景地圖和軌跡進(jìn)行疊加，實(shí)現(xiàn)全場(chǎng)景的臟污地圖管理

通過(guò)深耕算法，打破算力限制，并對(duì)智能化方面深度創(chuàng)新，INDEMIND用實(shí)力證明視覺(jué)方案絕非配角。

審核編輯 黃宇