導讀

機器人自主定位導航聽起來簡單，地圖數據+算法的結合，實則挑戰巨大。在落地實踐的過程中，需要解決各種各樣的問題，越過各式各樣的坑，才能最終完美應用。

首先從地圖的呈現方式開始說起。

挑戰一：用戶心理預期地圖的問題

激光雷達充當著機器人的“眼睛”，能為機器人提供高精度的地圖及輪廓位置信息，但其實，所掃描出來的平面地圖跟用戶心理預期地圖存在較大差距。

很顯然，上面是兩種完全不同的地圖呈現。在面對用戶這一心理落差的時候，利用精細化建圖技術，縮小實際建圖與用戶心理落差之間的距離。

解決了地圖呈現方式問題之后，我們再回歸到老本行上——機器人可靠的障礙物規避。

挑戰二：障礙物的有效規避

很多人在看到機器人的時候，一是出于好奇，二是內心的“小惡魔”，總想逗一逗他，看看是不是真的智能，于是便會故意擋在他前面，不讓他走。這時候，我們不僅需要激光雷達，還需要多傳感器數據的融合，實現有效避障和自主導航。

除了利用傳感器避障之外，還可以利用RoboStudio開發軟件來幫助機器人更好的理解環境中的邏輯。比如，有些地方是不希望機器人進入的，如：機場場景下的行人扶梯在維護，不希望機器人進去，這時候，我們就可以畫一道虛擬墻，“阻攔”機器人進入，無需任何實物鋪設，簡單易操作。

挑戰三：環境完全變化后的可靠定位在

環境完全變化后的可靠定位說簡單點就是重定位。重定位有兩個問題，第一個是人啟動的時候重定位，還有一種重定位是環境變化非常多的時候可靠定位。

首先，靠單一的傳感器肯定不能解決所有的問題，比如別人把激光雷達擋住了，激光雷達的數據就起不了作用了。但是，我們不怕，我們還有其他的傳感器，所以就用傳感器和建立概率模型來解決問題。這樣的話，也解決了一個實際問題，這個對于服務機器人廠商來說是非常好的。

挑戰四：全局重定位

全局重定位一般在行業中有幾個解決方案，第一個是使用UWB，但是這個技術有一個缺點，必須對環境進行布置，比如把它放在一個場景，需要預先在場景里很多地方預埋信標，這在成本和部署上有一定的挑戰。還有一種是完全自主重定位，無需額外傳感器輔助。思嵐所做的就是后者，當機器人被推離或者出現位姿偏差時，可使用Robo Studio中的重新定位功能，糾正位姿錯誤。

最后，就要說到一個不得不提到的問題，那就是多場景適配的問題。

挑戰五：多場景適配

未來，機器人想要深入到各行各業，應用于各種場景中時，肯定會面臨多場景適配的問題。人來人往的商場、多樓層的酒店配送……，這些都需要機器人具備場景的自由切換能力。

這個就需要行業的整合，不單是把導航定位系統做好，還要針對電梯的通訊協議，不同樓層之間感應到樓層的切換。這從細節上來說，還要考慮用戶心理的問題，因為有時候電梯人很多，機器人該怎么進去？這些都是需要考慮的現實問題。

在越過這些坑之后，機器人自主定位導航解決方案才能真正inside到各種產品中去，實現落地，實現商業化的運作。