INDEMIND创新视觉技术助力机器人清洁模式革新

干垃圾只扫不拖，湿垃圾只拖不扫，自主决策清洁模式。

少被提及的痛点

自扫拖功能的上线，扫地机器人在清洁系统上的死磕便从未停止。然而，随着各类创新技术越加越多，扫地机器人的清洁表现却依然没有赢得所有人的认可，这背后的原因是什么？

从技术角度而言，原因有很多，避障能力、清洁系统硬件性能、智能化程度等等，能够看到，厂商们已经开始在这些方面下“苦工”。但抛却这些原因之外，还有一个很少被提及却十分致命的痛点。

面对房间里杂乱多样的脏污，扫地机器人只会按部就班的一路“平推”，导致清洁结束后效果并不理想，甚至反向清洁。原因便是扫地机器人对于不同区域，清洁方式始终是一致的，无法根据脏污类型对症下药，就会出现油渍重污类没有清洁干净，饮料液体类到处溅射等情况，使用体验不佳。消费者不仅没有Hands-Free，反而还需要为扫地机器人擦屁股。

如何做到对症下药？

人能够根据脏污类型自主调整清洁方式，那么扫地机器人能否做到？

当机器人能够识别垃圾、判定脏污程度、检测地面，并能自主决策并执行清洁几遍、清洁力度、清洁多久等清洁策略，做到有的放矢，有效减少人工干预，提升机器人的清洁效率和质量，或许是实现Hands-Free的关键。

然而，想法很美好，现实很骨感。

脏污识别技术在开发上面临着多个难题。一方面受脏污的特征相似影响，会造成极大的误检率，从而导致机器人无法作出正确的清洁策略决策。另一方面，受光线和地面材质的影响，不仅会降低脏污的检出率和稳定性，还会造成误检。多方因素导致目前市面上还没有十分成熟的技术方案，仅有极少厂商在开发脏污识别技术。

作为一家以视觉技术为核心的AI技术公司，INDEMIND在视觉技术开发上已经有了多年的技术积累和经验，不仅开发了市面上首款真正意义上的纯视觉家用机器人导航方案，在前沿技术探索上，也走在了行业头部，脏污识别便是其中之一。

视觉技术创新，助力机器人实现Hands-Free

为了实现技术目标，INDEMIND自研了极具自身特色的图像算法，配合自研的融合摄像头及主动补光策略，构成了独有的INDEMIND脏污识别技术。通过不断算法迭代，目前已能实现脏污检出率99%以上，支持透明、半透明，不透明液体及干涸污渍识别、颗粒状脏污识别、粉末状脏污识别，且适用各种地面材质、花色、光线。可以说是市面上极少成熟且性能优异的技术方案。

在清洁过程中，机器人能够将脏污检测结果及位置与场景地图和轨迹进行叠加，实现全场景的脏污地图管理。

基于此技术，INDEMIND针对不同地面情况，进一步开发了系统化的清洁策略，包含清洁遍数、清洁力度（毛刷压力和速度、出水量等）、清洁时长等，配合INDEMIND智能决策引擎，能够支持机器人根据识别的房间类型、脏污类型及分布、地面材质、障碍物类型等，自主决策清洁策略。同时，还可根据需求开发更多的智能化策略，为清洁模式带来新的革新。

目前，在产品开发上，INDEMIND已经将脏污识别技术应用到INDEMIND纯视觉家用机器人导航方案「家用机器人AI Kit」上，在解决产品研发的同时，满足当下机器人对于前沿功能的需求。

「家用机器人AI Kit」基于INDEMIND一体化立体视觉模组，搭载自研的INDEMIND OS Lite家用机器人AGI系统，可为机器人实现导航定位、智能避障、路径规划、决策交互等多种核心功能，是包含软硬件的ALL IN ONE解决方案。

值得一提的是，INDEMIND不仅全栈自研了VSLAM算法、路径规划算法、AI识别算法、智能避障算法、脏污识别算法等，还对算法进行了轻量化“瘦身”，在不影响功能表现的前提下，实现了在几美金的计算平台上稳定运行整套VSLAM算法。相较激光融合方案，成本只有其1/3，可广泛应用于家用扫地、陪护、教育、玩具等家用机器人。

此外，该方案还具备三维语义地图、厘米级精准避障、智能作业等多种创新能力，显著提升机器人的整体表现。