Leading-edge stereoscopic vision technology enables robots to perceive full 3D space.
Integrate stereoscopic vision technology and deep learning technology to build 3D semantic maps and empower robots with environmental cognition.
Input visual perception & cognitive information into the decision-making engine to empower robots with decision making capabilities in autonomous operations
The robot offers users a more natural human-robot interaction experience through stereo vision & decision intelligence technology.
与大多数电子产品不同,在选购扫地机器人时,由于人们对机器人缺乏了解,而产品的一些较直观的指标参数,如吸力往往被惯性的作为判定产品性能好坏的参考标准,但事实上,参数高真的等于“好用”吗?
当新鲜感不再,人们越发注重实用性,扫地机器人的清洁表现无疑是打动人们买单的核心卖点。伴随着扫地机机器人的迭代,机器人的硬件性能可以说得到了显著增长,加之当前自动集尘技术、扫拖一体技术的应用更是极大地弥补了早期产品的缺陷,产品的清洁能力在不断提升,但随着这些功能的完善,扫地机器人是否“好用”了呢?
根据消费者的反馈,扫地机器人的漏扫、重复扫等问题依然普遍存在,导致整体清洁效果大打折扣。事实上,清洁能力除了和硬件性能、清扫功能的增加息息相关之外,提升机器人的空间覆盖率同样关键。
所谓空间覆盖率是指,扫地机器人在实际使用过程中,对于场景内各个空间的路径覆盖,空间覆盖率越高,机器人的整体清洁效果也就越好。
从市场的调查来看,目前主流的扫地机器人其空间覆盖率大都在90%以下。根据凤凰网官方评测数据,在符合国标要求的实验室环境下,分别对石头、科沃斯、小米、云鲸4家的4千档产品进行测试,石头、科沃斯、小米的覆盖率在70%以上,而云鲸J2的覆盖率不到40%。由此可见,机器人的空间覆盖率问题已亟待解决。
从技术角度看,空间覆盖率较低的原因主要在于建图效果差及规划和控制效果不足,最终导致机器人在障碍物及特殊环境情况下,覆盖效果差,且造成这种情况的根本原因有多个:
• 定位精度差
• 建图噪声多
• 规划算法有漏扫,特殊场景规划不合理
• 业务部件限制(如扫地机器人的边刷、中扫、洗地装置等)
作为国内领先的机器人AI技术供应商,INDEMIND在机器人的导航、避障、决策、AI交互等关键技术和产品开发方面有着丰富的积累。INDEMIND在2021年推出的RBN10家用机器人AI解决方案,通过搭配通用性开发底盘,目前空间覆盖率可达到90%以上。
RBN10家用机器人AI解决方案是INDEMIND针对家用机器人设计的ALL in one通用导航方案,可为机器人提供导航定位,图像识别、路径规划、交互决策等多种核心功能,能够广泛应用于扫地、陪护、教育、玩具等家用服务机器人平台。
为了解决空间覆盖率问题,INDEMIND对定位、建图、规划算法等方面进行了针对性协同开发,依靠领先的立体视觉技术,RBN10家用机器人AI解决方案能够实现实时三维建图,重构环境内包含区域性场景信息及场景中每个独立物体的属性信息、空间中的三维模型、位姿信息等,保证机器人有一个良好的规划基础,结合INDMEIND研发的VSLAM算法,能够大幅提升视觉导航精度,目前导航精度已实现绝对定位精度<1%,姿态精度<1°,媲美激光雷达。同时INDEMIND的路径规划算法采用无碰撞路径规划,全面覆盖常规场景及特殊场景,大大提升机器人工作精细度、灵活度。
除了提升空间覆盖率,RBN10家用机器人AI解决方案在应用上还有着多种技术优势:
• 双目视觉定位,业界首款,成本持平单线激光雷达
作为业界首款双目视觉定位方案,RBN10家用机器人AI解决方案以持平单线激光雷达的成本,实现了激光融合方案的导航能力和更丰富的功能;
• 高精度VSLAM算法,更精准、更稳定
自研的VSLAM核心算法,能够搭配低成本的双目摄像头,通过解算场景点云信息,可精准快速的获取位置位姿信息,且精度和稳定性均不输于激光雷达。
• 智能避障技术
基于高精度双目立体匹配算法得到环境3D稠密点云信息,结合识别技术和交互决策技术,机器人可做出类人规避动作的精细化操作,能够让机器人有预判、有策略的实现智能避障。
• 基于视觉的物体识别技术
基于轻量化深度学习模型,可以快速稳定地识别各种环境信息,人、动物及十几种大类家居用品,物体识别精度<2cm,识别模型还可根据特定需求调整和训练。
• 交互决策技术
基于高精度三维建图能使机器人在语义层次上理解环境信息,模仿人类大脑对环境理解的方式,配合决策引擎技术,可以自定义安全、搜寻、跟随、自主寻路等多种智能逻辑。
• 硬件配置要求低,适配性高
在算法&硬件方面,采用增量优化的方式,分段处理,并在区段间建立先验信息,有效降低平台的计算压力,同时应用硬件加速技术,在硬件上,对于视觉处理采用neon加速、GPU加速、DSP加速等方式,进一步提升计算性能,降低算力要求,使得方案对于硬件配置要求较低,配合标准化的接口,能够快速适配各种硬件平台。
此外,INDEMIND同时提供参考设计和量产设计服务,借助INDEMIND所拥有的产业链资源,可帮助企业快速实现量产,大大降低企业的研发周期和投入成本。未来,随着家用机器人行业进入深水区,RBN10家用机器人AI解决方案作为一款实现定位、建图、避障、识别 ALL in One的解决方案,也将代表着未来小型机器人的主要技术方向。