不可置否，激光雷达已经成为扫地机器人的“耶路撒冷”。
导航技术的从无到有
回顾扫地机器人的兴衰，本质是导航技术的从无到有、从弱到强、从少到多，而在这个过程中，激光雷达无疑发挥了无可替代的作用。2010年，第一台搭载激光导航技术（LDS SLAM）的扫地机器人Neato问世，它可以通过激光雷达反射计算障碍物的距离并进行环境地图构建，标志着扫地机器人从随机式清扫进入了规划式清扫时代。
十几年间，激光导航技术不断迭代，算法越来越完善，激光雷达的性能越来越强，成本也再不断下探，其精度高、反应快、稳定性高的优势让它成为了当下最成熟的导航技术。对于消费者而言，是否是激光导航，也是判断产品好坏的关键指标。
然而，正如激光导航替代随机式导航，导航技术又在发生新的革新，只是这一次是回到了机器人能够称之为“人”的原点，智能化。同时，大语言模型的兴起，更让智能化愈演愈烈。
人们对机器人的要求不再只是程式化的规划清扫每一块区域，它需要能够知道自身所处什么环境，懂得环境中的各种物体，并能通过人机交互或自主决策，完成跟随、自主寻路、定向清扫等各种智能逻辑。想象一下，简单一句“清扫一下餐桌周围”，机器人便能跑到餐桌区域进行一次规划清扫，自动处理油渍残渣，才应是真正的解放双手。
视觉、激光融合，谁才是未来？
能看“懂”环境，“眼睛”无疑是关键，然而激光导航受限于传感器属性，点云无法区别纹理信息，不具备场景辨识能力，在智能决策和智能交互方面存在天然缺陷。而这时，视觉技术出现在了厂商们的视野内。
视觉技术可以获取更多丰富的纹理信息，拥有强大的场景辨识能力。双目视觉导航通过双目采集到的2D环境信息，经过算法处理生成的3D环境地图，拥有丰富的语义信息，不仅可解算出机器与障碍物的距离，还有它的体积以及属性信息，这对实现智能决策和交互提供了充足的前提条件。然而更丰富的技术效果也意味着更高的开发难度。
由于视觉导航数据处理量巨大，对算力要求很高，且容易受环境光照、参照物的特征信息以及扫地机器人硬件条件等因素影响，算法开发难度极高，也因此导致现有的不少视觉导航方案有着精度低、稳定性不足的缺点，使得视觉一直给人不靠谱的刻板印象，且主要应用于低端产品。
没有人能够忽略视觉表现出的巨大潜力，既然纯视觉不行，如果加到激光导航里呢？
事实证明方法是可行的，融合导航方案显著提升了机器人的感知能力、避障能力和决策能力，从首批融合导航扫地机器人石头T7Pro &科沃斯地宝T8出现，便打破了长期同质化严重的竞争局面，在消费市场中受到了消费者的广泛认可。在这之后，这类融合导航技术基本成为了高端机型的标配。
但融合导航方案并非没有缺点，成本高、开发难度大，随着传感器不断做加法，不仅对局促的机器人空间带来挑战，同样系统复杂度也明显提高，由此造成更多冗杂的运算压力，而不断提升平台算力，只会导致成本进一步提升。在当下消费紧缩，市场价升量跌的背景下，无疑会加大厂商的运营压力。
视觉能否正名？
技术研发从来没有一帆风顺，每一次迭代都步步维艰，激光导航如此，视觉导航同样需要如此，而行业中也从不缺少吃螃蟹的人。
如何解决视觉导航的精度和稳定性问题，INDEMIND进行了长达5年的死磕，并推出市面上首款真正意义上的纯视觉导航方案「家用机器人AI Kit」。
「家用机器人AI Kit」以INDEMIND自研的INDEMIND OS Lite家用机器人AGI系统为核心，搭配面向家用小型机器人专门研发的一体化立体视觉模组，可实现家用机器人导航定位、智能避障、路径规划、决策交互等核心功能，是包含软硬件的ALL IN ONE解决方案。
首先，现有的视觉导航方案在算力上大多需要TX2及以上，甚至PC级算力需求，对CPU、GPU或NPU、内存均有较高要求，虽然摄像头成本较低，但无形中又增加了成本。而INDEMIND为此研发了多种轻量化技术，轻量化VSLAM（基于深度学习特征的SLAM架构）
、轻量化Depth（基于深度学习特征匹配的Depth）、轻量化深度学习模型（底层算子自研、剪枝、量化），同时还在硬件上，对于视觉处理采用NEON加速、GPU加速、DSP加速等方式，提升计算性能，显著降低算力要求。目前，INDEMIND视觉导航技术搭载4核A53/A55级别芯片即可满足需求，能够适配如RK3566（全解决方案情况下，双目视觉多传感器融合SLAM、双目Depth、物体识别及整机完整SDK）。
同样对于影响较大的环境光照问题，INDEMIND开发了一套系统化环境补光策略，包含主动式环境补光配置和光照变化条件下的建图策略，在实际表现中，面对强光直射、无光源、昏暗等特殊光照环境均能无差异工作，满足全天候作业要求。
在实际表现中，搭载「家用机器人AI Kit」的扫地机器人，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。
而基于独有的立体视觉技术，机器人可以识别物体、人、动物及空间语义，根据扫地机器人家庭应用场景需求，目前定义识别鞋、插线板等多种物体，且识别类别可根据特定需求调整和训练。同时配合智能决策引擎技术，机器人能够有策略的实现智能避障(如根据障碍物不同做出不同规避距离)，且在交互上，可通过语音、手势、动作等自然语言指令，命令机器人进行安全、搜寻、跟随、自主寻路、定向清扫等多种智能逻辑。
从产品策略而言，堆料是高端产品的有效策略，但却并非万能，同时容易陷入内卷难以自拔，能够成就高端的永远是体验。
