打破場景限制，不一樣的“斜杠青年”。

隨著服務機器人不斷進入到商場、超市、寫字樓、酒店等新場景，場景的多樣化和複雜度也在明顯提升，由于場景的獨特性，對于機器人的要求也千差萬別，這意味機器人需要更強大的適應性，並同時滿足使用體驗、成本等要求。

那麽該如何提升機器人的場景適應能力？INDEMIND圍繞環境感知、地圖構建、智能避障、交互及雲端平台等方面，進行了更深層次的探索。

與人相同，“眼睛”是機器人感知世界的基礎，想要讓機器人看的更多，懂得更多，視覺技術是必然選擇，可以看到，市面上出現了一大批以單線或多線激光雷達爲核心的多傳感器融合技術，使機器人的環境感知能力得到顯著提升，且在功能表現上，還有著激光雷達精度高和穩定性高的特點，然而這兩類方案的缺點也較明顯。

單線融合方案一是環境適應能力較差，對于環境特征單一的長走廊等場景，誤差較高，容易偏離路徑，二是重定位能力差，運行過程中一旦丟失位置，難以重新定位；多線融合方案一旦出現故障，會導致整個系統宕機，且這類方案成本高昂，目前也主要應用于大多數商用機器人。

如果大膽換個思路，以視覺爲核心的多傳感器融合技術是否可行?

作为计算机视觉技术行业的佼佼者，INDEMIND进行了 5 年时间的死磕。在技术在实现上，INDEMIND基于独有的立体视觉技术，设计了以视觉传感器为主导的标准化、模块化的多传感器融合架构，通过遵循INDEMIND的标准定义接口，可快速加入IMU、里程计、激光雷达、GNSS等多种传感器，实现“积木式”加装，能够实现高精度、高稳定性、低成本的3D环境感知，走通了一条不同于激光雷达方案的新路径。

与此同时，INDEMIND还拥有超过 100 个使用场景的海量数据，对于清洁、配送、导览、安防等多种工作场景有着深度理解，配合视觉多融合感知技术，能进一步提升机器人的环境感知能力。

事實上，提升環境感知能力，僅是解決機器人場景適應問題的第 一步，避障、交互、作業邏輯上的提升，才是適應問題中的真正痛點。

實時構建語義地圖，讓地圖更豐富

基于INDEMIND立體視覺技術，機器人支持全場景二維地圖、三維地圖及語義地圖自主創建，支持地圖動態更新及智能禁區，且建圖精度可達厘米級，達到激光雷達方案同等水平。三維語義地圖讓機器人有了懂得人類“常識”的能力，爲實現更高層級的智能避障、智能交互、智能作業提供了底層支持。

智能決策引擎，賦予機器人“邏輯思維”

想讓機器人更像人，首先需要機器人能夠模仿人的決策，也即是智能決策技術。它需要把信息感知（認知）、（基于知識圖譜、數據和機器學習）決策和執行過程有機地統一起來。而INDEMIND在開發上，采用了設備端、雲端智能決策平台、大數據平台三端結合的模式建立一套智能決策引擎，並且能夠基于關鍵數據不斷更新算法模型，持續提升場景處理和問題應對能力。

借助智能決策引擎，在避障上，機器人可做出類人規避動作的精細化操作，能夠讓機器人有策略的實現智能避障(如根據障礙物不同做出不同規避距離);在交互上，可通過語音、手勢、動作等自然語言指令，命令機器人進行安全、搜尋、跟隨、自主尋路、定向清掃等多種智能邏輯，讓機器人發揮真正價值。

随着核心技术的积累和成熟，INDEMIND面向10-100kg级商用机器人推出了「商用机器人AI Kit」自主导航方案。不同于机器人移动底盘，「商用机器人AI Kit」在硬件选择和外形上可根据实际开发需求灵活适配，适用性大大提升，同时满足商用机器人导航定位、智能避障、路径规划、决策交互等核心功能的开发，实现了商用场景全覆盖，能够满足清洁、配送、导览、安防等多种商用机器人开发需求。

需要提到的是，相較于激光雷達多傳感器融合方案，成本能夠下降60-80%。

从市场反馈来看，INDEMIND已和国内外多家巨头客户达成合作，受到了广泛认可。目前，INDEMIND已签署订单超 2 万台，三年预期订单将超 10 万台。其中与传统清洁设备厂商ICE合作的中型清洁机器人Cobi18，已在全球十几个国家批量部署，且在欧美市场实现运行零故障。

（推廣）