INDEMIND将覆盖率提升至90%以上，决绝扫地机器人漏扫问题

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。

哪些因素决定了空间覆盖率？

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。

审核编辑：符乾江