智东西（公众号：zhidxcom）
编辑 | 孙悦

智东西6月7日消息，近日GTIC 2021嵌入式AI创新峰会在北京圆满收官！在这场全天座无虚席、全网直播观看人数逾150万次的高规格产业峰会上，来自产业链上下游的16位大佬共聚一堂，围绕嵌入式AI的软硬件生态创新、家居AIoT、移动机器人和工业制造产业4大版块地图，带来了深入浅出的分享。

会上，360人工智能研究院运动引擎算法负责人潘俊威带来了题为《嵌入式AI快速发展，扫地机器人进入感知决策新赛道》的演讲。

▲360人工智能研究院运动引擎算法负责人潘俊威

潘俊威提到，我国扫地机器人市场规模已从2013年的8.4亿元，增长到2020年的93.8亿元，正不断快速增长。同时，扫地机器人产品中高端化明显，智能已成为高附加值特征。

不过，扫地机器人在易用性上还有较大提升空间。“尤其是用户对避障的需求越来越强烈，将3D深度相机应用在扫地机器人上也变得水到渠成。”潘俊威说，将3D深度相机和多传感器融合，能让机器人获取环境信息的能力从二维提升到三维，大大增强设备的环境感知能力。

为了进一步满足消费者需求，360提出了扫地机器人的无人驾驶大脑概念，重点是提升移动机器人在环境感知、场景理解、决策规划三个方面的能力。

例如，基于360无人驾驶大脑研发的三雷达融合避障技术，采用多传感器融合感知算法，结合聚类和分割算法，能让扫地机器人识别门槛、推拉轨道、厚地毯和普通障碍物，做到避障的同时顺畅通行门槛轨道等区域。

目前扫地机器人年销量为600万台，是洗衣机销量的15%，市场渗透率不足8%，仍存在广阔空间。潘俊威认为，想要推动这一市场的发展，要持续升级扫地机器人的导航、避障和清洁三大核心要素。

以下为潘俊威演讲实录整理：

一、扫地机器人25年，从乱跑乱撞到自主导航

先为大家介绍一下扫地机器人的前世今生。

1996年第一台扫地机器人诞生，它奠定了扫地机器人导航与规划的基础。不过，其实没有什么导航，只是随机碰撞的方式工作。

2000年第一台拥有三段式清扫机构的扫地机器人诞生，它奠定了扫地机器人接下来清扫机构的样式。

2001年第一台激光雷达导航的扫地机出现。

2004年第一台以惯性导航的扫地机器人诞生，它标志着扫地机初步具有导航的能力。这时候扫地机器人处于市场早期，以随机式和惯导式的机器人为主，经常出现漏扫严重、清洁率低，容易死机卡机，清扫率非常低等问题。这个阶段机器就是可用，消费者以尝鲜居多，形不成口碑。

2005年第一台视觉导航的扫地机器人诞生，机器机已经初步具有全局规划的能力。这个阶段的扫地机器人可以进行很规整的清扫。技术开始革新、功能完善，易用性得到很大提升，但是存在一个缺点就是价格昂贵。这个阶段只是在极客圈里流行，它标志着扫地机进入智能时代。

二、2016年为节点，扫地机器人从好用到“真香”

扫地机的早期阶段，随着激光雷达、传感器、Camera、CPU嵌入式端芯片的降低以及算力的提升，扫地机器人开始逐步向好用和真香的阶段发展。

2016年小米发布LDS扫地机器人与科沃斯VSLAM方案扫地机器人、360LDS扫托一体机器人，扫地机器人在路径规划上进行比拼。由于传感器成本的极大降低，机器人的智能程度得到很大的提升。特别是在用户体验方面，直接上升了一个层次。产品不仅变得好用，性价比也变高了。

扫地机器人进入发展的快车道，软件禁区、多楼层地图、自动禁区、地毯区识别等功能都开始搭载到全局规划式的扫地机器人上面。方案都是往更干净、更省心的方向去发展。

比如云鲸发布自动洗托布机器人，可以自动帮你清洗抹布，不用自己动手。iRobot推出中央集尘的扫地机器人，一个月甚至更长时间不用清理垃圾和尘盒。360推出三目深度视觉扫地机器人，可以多传感器融合解决避障问题，让用户更省心。这时候的机器人已经开始向“真香”的阶段发展了。

三、市场不断增长，渠道线上为主，年轻消费群体居多

国内扫地机器人的市场2013年市场销售额为8.4亿元，到2020年已增长到93.8亿元，这一市场正在不断快速增长。

在用户群体方面，35岁以下的消费者占到97%以上。2020年，92.28%销售额都是由线上创造的。消费者主要以年轻人居多，在这一部分人群里面大家对于生活品质有着更高的追求，对于智能程度的接受度高，并愿意为此买单。

从销售的数据上看，从2010年到2020年，扫地机器人的价位段逐步上升，特别是从2020年开始，2000元以上价位段的扫地机器人占比超过50%。在这个阶段各家推出了旗舰级的产品，在智能方面下了很大工夫，比如石头的双目避障项目、360三目融合避障方案、科沃斯单目避障方案、扫地机器人中高端化的趋势明显，智能程度的高低也成为消费者评判的一大标准，这也是支撑扫地机器人高价位段的重要因素。

通过针对扫地机器人问题发放的调查问卷可以发现，在用户对扫地机器人的期待中，机器人的智能程度占到第四位。除此之外，调研的前七个问题都和清扫结果相关。

大家普遍对扫地机的智能程度不满意，在避障问题上吐槽率高达53.2%。绝大部分人对扫地机器人还是有很大兴趣，那些没用过、没兴趣的人群只占到2%。出现的普遍现象是，大家对扫地机器人的期望值偏高，65%的人期望它能够完全代替人工。

四、AI成为扫地机器人的创新点

扫地机器人有三大核心要素，导航、避障、清洁，其中导航、避障占到很大的比重，这给AI在扫地机器人上的应用提出很多课题。

随着技术的不断成熟和应用场景的不断丰富，深度相机在手机、汽车、VR/AR、新零售、安防等多个市场的需求不断增长，从2019年以来该行业进入快速增长期，可以用在无人驾驶、AR应用、三维重建等等多个领域。

在扫地机器人领域上，由于用户53.2%对于避障的需求非常强烈。将深度相机应用在这上面可以很好地解决避障问题，像360在2019年上海CES上已经发布了搭载深度相机方案的扫地机器人，针对障碍物可以很好的躲避，并且不会碰它。

有了深度相机还不够，需要将深度相机和多传感器融合。之前扫地机器人的环境信息都是二维的，加入深度相机之后结合多传感器融合技术，将二维信息提升到三维空间，这样大大增强了机器人的环境感知能力。

之前的扫地机器人经常会遇到一些轮子悬空、门槛卡住、顶部被卡还有被线缠绕，还有门槛等问题，通过障碍物和三维信息可以很好解决这个问题。其核心还是关于扫地机器人的生存率、易用性、智能度。

机器人工作的家庭环境非常复杂，一百户家庭里面有一百种场景，机器人在各种各样的场景下都不会被卡死，出的去回的来，这对用户来说很重要。

降低扫地机器人的学习使用成本，可以看出35岁以下的消费者占了93%，像父母辈的人也想用这个东西，但是觉得使用成本很高，比如在使用上因为需要通过APP、网络等连接，这对父母辈的使用群体就不是很友好，这也成了他们使用扫地机的一大障碍。

有了摄像机的加持，可以降低扫地机器人的学习使用成本，它出的去回的来，在不适用APP情况下也可以轻松使用机器人。机器人将语义融入到地图中，特别是电线、门槛这种环境信息的识别，可以让扫地机器人更智能。

机器学习在扫地机器人上的应用，现在芯片的算力快速发展，包括端上AI的能力可以赋予机器人环境语义的理解能力，结合AR芯片，充分利用深度和图象数据，可以提高机器人对清扫场景的理解能力，做到更省心、更智能地工作。

云上AI能力，扫地机器人通过云端的训练服务平台自动更新到机器人身上，实现自我进化。端上AI能力可以赋予机器人场景理解的能力，比如机器人可以分辨房间、卧室、客厅、餐厅区、沙发区等，还能识别各个区域使用的是地砖还是地毯。对障碍物的识别，对场景能够理解之后就可以做更多更智能化的清扫。

另外一点，深度相机可以孵化有效数据，运用神经网络和机器学习通过单目RGP也可以识别出障碍物，它对算力要求很高。有了深度相机可以孵化有效数据，这样可以得到更加有效的数据信息。然后，通过不断完善障碍物的数据，让机器人的识别变得更准确。

在数据积累到一定程度的时候，可以去掉深度相机。机器在降本的同时，避障性能不会发生特别大的变化。当机器人有了环境感知与理解能力之后，就不仅仅是扫地机器人了，它可以充当一个安防巡逻机器人、服务机器人或者陪伴机器人等，这些功能都是可以去探索开发的。

五、无人驾驶大脑：环境感知、场景理解、决策规划

360针对这些场景提出了360无人驾驶大脑的概念，目前主要是室内的通用性移动平台，在扫地机上应用为了让扫地机器人更智能，重点要提升移动机器人在环境感知、场景理解、决策规划三方面的能力。

针对环境感知，我们要融合LDS雷达传感器等各种传感器，对这些数据进行处理，并且加以融合。在场景理解上，基于融合的数据构建二维地图还有三维地图，融合出来高精度的地图，这样可以更好地在地图上标注障碍物理解。对机器人的姿态识别、运动状态识别以及危险状态识别等进行判断认知，这也就是运动态势认知。上层的决策和规划对扫地机器人的行为进行决策，规划出合理的路线以及对机器人本体进行运动控制。

我们将这项功能应用在最新发布的旗舰款360差异板MAX机器上面，它是市面上唯一一款将定位雷达做到内置，放到机器人内部。激光雷达一般的都被安装在机器设备的顶部。我们把这个设计放到了机器人内部，在360差异板MAX机器里，我们放置了三个雷达，ETOP雷达，做定位，解决导航定位的问题；固态线性雷达，融合了ETOP定位雷达，解决避障的问题。

导航定位的问题，由于我们把原本应放于外面的雷达做了内置设计，导致机器人后部的雷达数据全部被遮挡了，因此需要解决数据被遮挡之后的定位问题。通过有限FOV导航定位技术，在这样一个限制的条件下可以精准定位不叠图。

引入地图的探索，通过多个匹配消除局部歧义，基于运动约束解决相似度高，解决的定位致信度偏差还有叠图概率高的问题。很多传感器涉及到多传感器的实时高精度融合算法框架，我们定位误差平均降低60%以上，轨迹平滑度提高20%-30%左右。

嵌入式端的芯片算力非常受限，我们面向受限的嵌入式平台，针对配准的底层算法进行优化，给出并传播致信度，消除歧义，提高鲁棒性，降低计算耗时50%以上，保证可实施性，算法可以跑在更低端的性能和更差的嵌入式平台上，从而达到降本的目的。

三个雷达融合的避障技术，基于三个线性雷达来恢复环境的三维信息。多传感器做到该躲的区域不会去，该扫的地方不会漏。多传感器融合感知算法，机器人可以识别、区分门槛，还有推拉轨道滑轨以及厚地毯和障碍物的区别。

如果遇到一些障碍物，比如堆满屋的孩子玩具一类的物品。我们使机器人能够区分障碍物，做到避障的同时不漏扫。我们构造了local map障碍物的概率图，它可以大幅减少低矮障碍物的碰撞，这能够降低90%以上的被困概率；而且我们机器人的侧向有一个固态雷达，可以通过运动约束，恢复三维空间结构信息，对障碍物进行建模，实现低矮障碍物的快速精准环绕，且不碰撞。

扫地机器人存在一个障碍问题，前方的障碍物检测到之后怎么处理？如果说要绕着障碍物行走的话，前面能看到的部分可以绕着它走，但是后面传感器所探测不到的地方，则需要靠侧向的传感器对它进行实时建模，以及规划出相应的行进路线。前向避障传感器数据融合定位信息，恢复我的障碍物三维结构，这样可以检测到障碍物，并且判断障碍物的尺寸，针对不同的障碍物选择合适的绕障策略。

小孩子的玩具，特别小的东西，比如遥控器、充电头等，如果离障碍物太近，绕着它走的时候，扫地机器人有一个边刷，很容易把这些障碍物打飞，对于桌子腿椅子腿这种东西离它太远了，又无法将边角清扫干净，需要识别这种场景，针对这种场景来选择相应的绕障策略。

小障碍物离它远一点绕着走。对于能识别出是桌子腿、椅子腿这类的障碍物，可以紧贴清扫，这样不会造成漏扫，提升清洁度。我们的机器人融合三个传感器的信息对障碍物进行精准建模避障，能够高效轻松通过这些区域。家庭常见的障碍物，比如口红，它可以轻松绕着走，而且边刷不会打到，绕过的时候边刷不会启动，这就要求传感器能够识别并判断出这一场景，选择相应的策略。

扫地机器人这个品类存在成为必选消费品的可能，但是必选消费品要求这个产品品类一定要易用省心，而且现在机器人的年销量是六百万台，这只是洗衣机15%的销售量，同时它的市场渗透率也是不足8%，所以这个市场还存在很广阔的空间。

扫地机器人的三大核心要素，导航、避障、清洁，有两个都是和软件相关，导航和避障决定了机器人的智能程度，它们在技术设计上占比非常高。这些核心要素都需要持续升级，在嵌入式端AI能力不断提升的背景下，AI能力的比拼即将成为扫地机器人下一个重要的赛道。

以上是潘俊威演讲内容的完整整理。