首页 > 传媒 > 关键词  > 正文

扫地机器人,不相信视觉导航

2023-10-27 10:51 · 稿源: 站长之家用户

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,首先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,算法开发难度很高,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,并推出市面上新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,导航精度已实现相对定位精度<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,但却并非多功能,同时容易陷入内卷难以自拔,能够成就高端的永远是体验。

推广

特别声明:以上内容(如有图片或视频亦包括在内)均为站长传媒平台用户上传并发布,本平台仅提供信息存储服务,对本页面内容所引致的错误、不确或遗漏,概不负任何法律责任,相关信息仅供参考。站长之家将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。任何单位或个人认为本页面内容可能涉嫌侵犯其知识产权或存在不实内容时,可及时向站长之家提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明(点击查看反馈联系地址)。本网站在收到上述法律文件后,将会依法依规核实信息,沟通删除相关内容或断开相关链接。

  • 相关推荐
  • 大家在看
  • AI Notebook:构建你的AI驱动的第二大脑。

    AI Notebook是一款AI驱动的笔记应用,旨在通过智能摘要、灵活捕捉以及各种样式来提升用户的生产力和学习效率。它能够无缝地组织文本、图片甚至音频,提供强大的笔记体验。AI Notebook通过AI助手提升生产力和学习,用户可以通过上传音频、文本、照片和YouTube链接来提问或使用AI进行头脑风暴。它还具备高质量的音频录制和实时转录功能,以及AI生成的摘要和模板,以及自动生成的闪卡和测验,帮助用户高效地创建、组织和复习所学内容。

  • AR2R:AI助手,解放人类创造力,提高生产力

    AR2R是一款旨在解放人类从日常琐事中,通过人工智能技术提高生产力和创造力的AI助手。它通过自然语言用户界面、定制训练的AI协调器以及一系列专业AI代理,为用户提供日程管理、决策支持、在线活动组织、任务提醒、详细跟进和流程自动化等功能。由拥有超过50,000名专家信赖的AI平台团队开发,AR2R致力于帮助用户专注于他们热爱的事情,而不是工作。

  • Rupt:防止账户共享,提高用户转化率

    Rupt是一个专注于防止账户共享的服务,它使用先进的AI算法来精确识别共享账户的行为,并将这些共享者转化为付费用户。该服务通过简单的SDK和集成,快速检测账户共享,提供个性化的用户体验,以确保用户在享受服务的同时,不会受到干扰。Rupt还提供了详细的分析和洞察,帮助企业优化产品并增加收入。

  • BypassAI:AI文本人性化工具,转换AI生成文本为人类风格。

    Bypass AI是一个AI到人类文本生成器工具,它创建类似人类的内容,确保看起来像是真人编写的,同时保持高原创性标准。它旨在通过先进的人性化技术避免AI检测并提高可读性。

  • Milvus:开源向量数据库,适用于开发者构建通用AI应用。

    Milvus是一个为开发者设计的开源向量数据库,专门用于大规模高维向量的相似性搜索。它支持pip安装,可以与流行的AI开发工具一起使用,并且能够扩展到数十亿个向量。Milvus以其高效的向量相似性搜索能力,帮助开发者构建强大且可扩展的图像检索系统,无论是管理个人照片库还是开发商业图像搜索应用程序,Milvus都提供了一个强大的基础,帮助开发者发掘图像集合中的潜在价值。

  • InstaDrag:快速高质量的基于拖拽的图像编辑技术

    InstaDrag 是一种快速高质量的基于拖拽的图像编辑技术,利用视频中的信息进行训练,能够在大约 1 秒内实现像素级控制。通过消除梯度导向等耗时操作,提高了编辑速度和准确性。该技术能够广泛应用于图像编辑领域。

  • Scale Leaderboard:AI模型性能评估平台

    Scale Leaderboard是一个专注于AI模型性能评估的平台,提供专家驱动的私有评估数据集,确保评估结果的公正性和无污染。该平台定期更新排行榜,包括新的数据集和模型,营造动态竞争环境。评估由经过严格审查的专家使用特定领域的方法进行,保证评估的高质量和可信度。

  • No-Code Scraper:无需编码即可从任何网站提取数据。

    No-Code Scraper是一个无需编码即可从任何网站提取数据的工具。它利用大型语言模型简化数据提取过程,使每个人都能轻松使用。该平台能够适应任何网站的变化,提供最简单和最快的网络抓取体验。

  • Biofy:一站式社交媒体链接管理平台

    Biofy是一个多功能的社交媒体链接管理平台,它允许用户通过一个链接整合所有社交媒体和在线内容,包括链接到应用商店、YouTube深层链接、URL缩短、QR码生成和分析等。Biofy特别适用于内容创作者、品牌和企业,帮助他们更有效地管理和推广自己的在线存在。

  • AI-Powered Sleep Story Generator:个性化AI助眠故事生成器,助你安然入梦

    AI-Powered Sleep Story Generator是一款创新的AI驱动工具,旨在帮助用户进入深度而宁静的睡眠。用户可以描述自己理想的睡眠场景,AI将利用最新技术制作出舒缓而沉浸式的音频故事,安抚心灵,帮助用户放松进入梦乡。该工具将个性化提升到新水平,根据用户的特定偏好和需求定制每个故事,无论是轻柔的自然声音、舒缓的叙述,还是两者的结合,AI技术都能确保完美适应用户的睡前例程。

  • Tap4 AI:提供免费 AI 工具目录,汇集各类 AI 工具并为用户提供最佳选择。

    Tap4 AI Directory 是一个提供免费 AI 工具目录的工具,旨在收集所有 AI 工具并为用户提供最佳选择。用户可以在 Tap4 AI 目录中找到各类 AI 工具,助力工作效率和创意。

  • Carteisa Sonic:低延迟语音模型,生成逼真语音

    Sonic是由Carteisa团队开发的低延迟语音模型,旨在为各种设备提供逼真的语音生成能力。该模型利用了创新的状态空间模型架构,以实现高分辨率音频和视频的高效、低延迟生成。Sonic模型的延迟仅为135毫秒,是同类模型中最快的。Carteisa团队专注于优化智能的效率,使它更快、更便宜、更易于访问。Sonic模型的发布,标志着实时对话式AI和长期记忆的计算平台的初步进展,预示着未来AI在实时游戏、客户支持等领域的新体验。

  • ViViD:视频虚拟试穿技术

    ViViD是一个利用扩散模型进行视频虚拟试穿的新框架。它通过设计服装编码器提取精细的服装语义特征,并引入轻量级姿态编码器以确保时空一致性,生成逼真的视频试穿效果。ViViD收集了迄今为止规模最大、服装类型最多样化、分辨率最高的视频虚拟试穿数据集。

  • xinsir:深度学习、表示学习、细粒度分类

    xinsir (qi) 是一个关于深度学习、表示学习和细粒度分类的产品。它提供了强大的功能和技术,具有主要优点和背景信息。该产品具有多个模型可供选择。

  • 腾讯元宝:是一个多功能工具,帮助用户轻松工作和享受多彩生活。

    腾讯元宝是一款集成了多种实用工具和服务的生产力工具,旨在提高用户工作效率和生活品质。其背景信息是由腾讯公司推出,定位为全面满足用户工作和生活需求的综合性工具。腾讯元宝提供了丰富的功能和服务,包括日程管理、文件存储、社交聊天、视频会议等,用户可以在一个平台上完成各种任务。

  • GPTResearcher:AI助力的快速洞察和全面研究助手

    GPT Researcher是一个领先的自主研究代理,专为多代理框架设计,提供实时、准确和事实性的结果。它能够简化数据收集,通过一个函数调用提供可信赖、聚合和策划的结果。它支持超过100种不同的大型语言模型(LLMs),并且可以与任何搜索引擎协作,从Google到DuckDuckGo。用户可以轻松搜索本地文档和文件,并生成超过2000字的长篇报告,支持多种格式的导出,如PDF、Word、Markdown、JSON和CSV。

  • DenserRetriever:先进的AI检索器,用于RAG。

    DenserRetriever是一个开源的AI检索模型,专为RAG(Retrieval-Augmented Generation)设计,利用社区协作的力量,采用XGBoost机器学习技术有效结合异构检索器,旨在满足大型企业的需求,并且易于部署,支持docker快速启动。它在MTEB检索基准测试中达到了最先进的准确性,并且Hugging Face排行榜上也有其身影。

  • Groqbook:使用Groq和Llama3快速生成整本书

    Groqbook是一个基于Streamlit的应用程序,它利用Llama3在Groq上从一行提示快速构建书籍。它适用于非小说类书籍的创作,并能在几秒钟内生成每一章节。该应用程序混合使用Llama3-8b和Llama3-70b模型,利用较大的模型生成结构,较小的模型创造内容。目前,模型仅使用章节标题的上下文来生成章节内容。未来,这将扩展到书籍的完整上下文,以允许Groqbook生成高质量的小说书籍。

  • MusePose:虚拟人物生成的图像到视频框架

    MusePose是由腾讯音乐娱乐的Lyra Lab开发的一款图像到视频的生成框架,旨在通过姿势控制信号生成虚拟人物的视频。它是Muse开源系列的最后一个构建块,与MuseV和MuseTalk一起,旨在推动社区向生成具有全身运动和交互能力的虚拟人物的愿景迈进。MusePose基于扩散模型和姿势引导,能够生成参考图像中人物的舞蹈视频,并且结果质量超越了当前几乎所有同一主题的开源模型。

  • Codestral-22B-v0.1:一款支持80+编程语言的AI代码生成模型

    Codestral-22B-v0.1是由Mistral AI Team开发的大型语言模型,它经过了80多种编程语言的训练,包括Python、Java、C、C++、JavaScript和Bash等。该模型能够根据指令生成代码,或对代码片段进行解释、重构等。它还支持Fill in the Middle (FIM)功能,用于预测代码中的中间部分,特别适合软件开发工具的插件使用,如VS Code。该模型目前没有内容审查机制,但开发团队正在寻求社区合作,以实现在需要内容审查的环境中部署。

今日大家都在搜的词: