随着AI技术的飞速发展，服务机器人正以前所未有的速度融入人类生活的各个角落。从酒店到餐厅，从超市到医院，服务机器人的身影无所不在。然而在享受这些智能伙伴带来便利的同时，一个核心问题始终摆在人们面前——安全。
安全能力，不仅是确保服务机器人能够稳定、可靠执行任务的基石，更是保障人员与场景安全的防线。与工业机器人所处的结构化、相对简单的工作环境不同，服务机器人需要直面更多复杂多变的非结构化场景。这里人员密集、环境复杂且多变，随时可能出现各种意想不到的状况，这无疑对机器人的安全能力提出了极高的要求。
从产品设计角度来看，提升机器人安全性的方式多种多样，例如增强结构稳定性、配置安全防护装置、优化制动系统、提升传感器性能等。然而，在这些方法中，提升机器人的避障能力无疑是重中之重。
它不仅决定了机器人的安全性能，还直接影响机器人的作业效率、自主性、智能性以及可应用的场景范围和维护成本。
而随着应用场景从常见的大型商用场景不断深入到越来越多的零售小场景，场景的复杂度与多样性持续攀升，对机器人安全能力的要求还在持续提高。机器人不仅要避的快、避的稳、避的准，还要一定程度上实现主动避障。
避免碰撞应是机器人的基本功，机器人不仅要能够精准规避常规物体，如玻璃、镜面等高反光障碍物，地插、桌椅底座等低矮障碍物，以及桌面、警戒线等全高障碍物，同时，机器人还要能智能识别并灵敏规避行人、动物、抛物等动态物体。
而在此之上，面对复杂多变的作业场景，机器人越来越需要具备“预见风险”的能力，除了稳定“避免碰撞”，还要能实时判断潜在风险，提前做出规避策略，实现主动安全。
要实现这种技术目标，不同厂商有着不同的答案，而INDEMIND走向了视觉路线。
目前，大多数机器人采用激光、ToF、结构光、双目等传感器采集场景点云信息，构建栅格地图进行避障。虽然这些方案能够满足基本需求，但仍存在诸多局限性：对传感器依赖严重、成本较高，且无法有效检测所有动静态、低矮及悬空障碍物。尤其是主流的激光雷达方案，由于信息丰富度不足，难以结合深度学习实现智能化避障。
为了实现从"避免碰撞"向"预见风险"进化，INDEMIND开发了全新的视觉技术方案。通过融合多项前沿技术，INDEMIND研发了一套系统化的安全决策体系，不仅实现智能避障，还赋予机器人主动安全能力。
1.感知升维，视觉多模态融合架构
自研异构数据融合算法，能够灵活融合双目视觉模组、Lidar、ToF、跌落传感器、碰撞传感器等多种传感器，实现时空同步，全面提升信息获取能力。
2. 认知进化，从AI识别到语义地图构建
基于ToF、camera、Lidar等传感器数据，结合独有识别算法，能够精准识别物体及场景信息。同时在此基础上，根据识别得到的语义信息结合机器人位姿信息，还能够实时构建环境语义地图，且支持地图实时更新（场景格局变化）。
3. 决策升级，类脑决策引擎
基于设备端、云端智能决策平台及大数据平台，模仿“人脑”决策，对语义地图叠加决策属性信息，执行安全决策。同时，通过关键数据不断优化算法模型，持续提升场景处理与问题应对能力。
基于独有的视觉识别技术和INDEMIND微秒级的安全决策，机器人能够稳定检测各类障碍物。
静态避障：支持低矮障碍物、高反光障碍物、全高障碍物的精准检测与避障，确保机器人在复杂环境中的安全运行。
动态避障：实时检测并规避抛物、行人、快速移动物体。
主动安全：基于风险预测机制，主动判断潜在风险，并根据风险分类，执行相应规避策略，实现主动安全。
光线适应性：基于强光规避策略及内置的亮度补光、纹理补光设备（符合人眼安全等级C1），机器人能够在强光直射、无光源、昏暗等特殊光照环境下稳定工作。
INDEMIND的视觉技术方案不仅为服务机器人提供了卓越的避障能力，还通过智能化决策与多传感器融合，全面提升了机器人的安全性能。在复杂多变的商用场景中，这一技术为机器人赋予了更高的自主性、智能性与可靠性。
目前，INDEMIND视觉技术已推出标准化技术方案，商用机器人AI Kit，并获得ICE、空客等多家国内外头部厂商的合作。
