重新定义清洁方式。
“四肢”发达，“头脑”简单
在过去几年，扫地机器人进入了快速迭代期，从清洁系统，到外观，再到基站，都和最初的产品有了天壤之别，然而时至今日，大刀阔斧式的创新越来越少，扫地机器人下一个拼图又该是什么?
一直以来，厂商们在销售过程中无不强调扫地机器人“人”的属性，但用户真正感受到的却是“机器”的属性，所谓的智能化更多是个噱头。再看过去的升级也大多围绕在“机器”的属性上，而“人”的属性却进展寥寥。不过随着大模型的兴起，智能决策、人机交互逐渐被重视起来，机器人的智能化拼图正在完善。但在这之中，仍有一个问题被人们所忽视。
除了需要提升清洁系统，还需要改变机器人的作业逻辑。
简单来说，现在的扫地机器人只有机器的“蛮力”，却没有人的“灵巧”。作业中，只会按部就班的“一条道走到黑”，导致最终的清洁效果并不稳定，甚至会反向清扫。无法像人一样，知道哪里脏，有多脏，是什么样的脏污，从而做出相应的清扫方式。
在真实场景中，地面的脏污程度和脏污类型都不同，包括零食残渣、饮料液体、厨余污渍等等。而一旦遇到这些脏污，如液体类，大多会被边刷扫的到处溅射，引发更多的清洁问题。另外，在遇到重污区域时，也会出现清洁不干净的情况，若采用多遍清扫，又会导致重复清扫，耗能增加，整体清洁效率低，体验感下降等。
如果让机器人具备和人相似的主动脏污识别能力，无疑是让机器人具备“人”的属性的重要途径。
通过主动脏污识别，意味着机器人能够根据地面的实际情况实时调整清洁策略，做到有的放矢，在脏的地方反复清洁，不脏的地方不做无效清洁，有效减少人工干预，提升机器人的清洁效率和质量，其意义不言而喻。
事实上，市面上已经有厂商将脏污识别技术集成到产品中，如云鲸J4、云鲸逍遥001，且取得了不错的表现。与此同时，这条赛道的玩家不只有云鲸等厂商，INDEMIND在脏污识别技术研发和应用上同样走在了行业前列。
作为一家以视觉技术为核心的AI技术公司，INDEMIND在视觉感知技术的探索上，有着天然的敏感性，在早期着手研发机器人解决方案之初，便意识到机器人在清洁逻辑上的局限性，过于呆板化的机械式清洁，会降低机器人的清洁表现。
因此，如何让机器人能够自主探污、识污，根据污渍的种类和分布情况，自主决策清洁方式，便成为了INDEMIND的一个重要技术目标。
为了实现构想，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，构建了基础的INDEMIND脏污识别技术。经过多次算法迭代，最终实现了平均脏污检出率99%以上（包含常见固体、液体脏污），支持任何地面材质、花色、光线下的透明、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，是目前行业极少成熟且性能优异的技术方案。
重新定义清洁方式
针对不同地面情况，INDEMIND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基于设备端、云端智能决策平台、大数据平台三端专门建立的智能决策引擎，能够支持机器人自主判断决策清洁方式，如遇到液体时，停止边刷，仅使用拖地功能，以防液体溅射。
同时，机器人不再受制于清洁结构和自身重量，对重度脏污可以自主执行多次清洁及清洁成果检测，提升清洁能力上限，且也意味着机器人开发的硬件选择有了更多可能。
此外，机器人也不再受制于定期清洁计划，具备主动脏污巡检和作业能力，对于使用者更加友好和智能。
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
需要提到的是，商用清洁机器人在清洁逻辑上的问题和扫地机器人并无本质区别。平均化、全覆盖的清洁逻辑，一是让机器人在重污区域没有清理干净时就需要人为参与检查;二是轻污区域清洁费水费电的情况。看似替代了人力，却又没有完全替代。
脏污识别技术对于扫地机器人以及商用清洁机器人而言，绝非简单意义上的常规升级，而是在重新定义清洁方式，让机器人在行为上真正开始仿生，这与现有产品有着跨代差别。
（推广）