多传感器融合大势所趋 深度学习助力扫地机“更智能”

　在扫地机器人这个战场，为实现更好的SLAM建图、定位以及规划效果，业内主流厂商正纷纷转向“LiDar SLAM+软件算法”的方案。不过，针对扫地机的应用而言，激光雷达方案也存在动态环境难以定位、重定位能力差、缺乏回环检测能力等问题，而视觉方案虽然也有自身的问题，但可以很好的弥补LiDar存在的这些缺陷，这点在火热的智能驾驶领域就得到了广泛验证。对于以家庭应用场景为核心的扫地机而言，这种应用趋势也开始崭露头角。

　　深圳市大道智创科技有限公司研发总监龙建睿认为：“毫无疑问，激光SLAM对于计算性能的需求大大低于视觉SLAM，比如主流的激光SLAM可以在普通ARM CPU上实时运行，而视觉SLAM基本都需要较为强劲的准桌面级CPU或者GPU支持。因此，业界也看到了这其中蕴藏的巨大机会，为视觉处理定制的ASIC市场已经蠢蠢欲动，一个很好的例子是Intel旗下的Movidius，他们设计了一种特殊的架构来进行图像、视频与深度神经网络的处理，在瓦级的超低功耗下达到桌面级GPU才拥有的吞吐量，DJI的精灵4系列产品就是使用这类专用芯片，实现了高速低功耗的视觉计算，为无人机避障和近地面场景导航提供根据。”

　　不过，针对未来技术方案的演变，龙建睿则更看好V SLAM和LIDAR SLAM的多传感器融合的方式。他表示：“虽然这两种技术都有优缺点，激光的缺点毋庸置疑，传统激光雷达很贵而且很多方面不大灵活，目前为止技术的发展也不成熟;而对环境光影的变化或者室内比较昏暗的场景，V SLAM技术也都没办法使用。但如果把这两种SLAM技术融合在一起，并且配以目前低成本的传感器，就可以解决扫地机应用中的很多问题。而当前，业内有不少厂商都在进行这方面的探索，相信这种融合式的SLAM方式会是未来几年比较重要的演变趋势。”

　　除此，随着深度学习技术产品化的飞速演进，AI加持下的智能扫地机也正向产业持续注入新的生机。龙建睿表示：“这一两年，深度学习成为人工智能的代名词。而在这个行业，前几年还是以比较传统的概率学，或者控制论的方式进行机器人自主定位导航。但这里展现的是完全通过深度学习，直接通过摄像头数据作为信号输入，再通过神经网络直接产生出机器人的控制信号。其中像SLAM的过程、路径规划的过程，完全通过学习的方式就可以进行实现，因此我认为这种技术也会成为未来的一种潮流。”

　　上海思岚科技有限公司CEO陈士凯对此也颇为认同，并强调：“在这一两年我们看到很多巨头都在做神经网络，尤其英特尔在芯片这一块的性能是非常给力的，在功耗和性能上都让我们非常吃惊，相信在不远的将来，我们在扫地机导航定位这个领域也会非常广泛的使用深度学习，包括SLAM，以及像路径规划这方面的应用。另外是行业中的情况，比如基于深度学习的路径规划也都在不断萌芽之中，相信未来几年会有一个比较明显的突破。”

　　而在这方面，科沃斯则先发制人实现了深度学习技术的产品化，将AI算法下沉到硬件当中，为扫地机全方位赋能，科沃斯国际事业部总裁钱程表示：“目前，我们的DG3扫地机产品已成功被赋予了自主学习的能力，首次搭载了OTA在线升级技术，能够基于对用户使用数据进行采集和分析，并通过客户端快捷升级产品功能，从而使DG3伴随用户的实际使用而进行自主深度学习，不断更新扩充自身的功能，从而更好的适应家庭环境，打造更为优质的智能体验。