技术公司的生存法则。
生态链中每个角色都有自己的生存法则。对于机器人产业链中的技术“卖水人”，它的核心生存法则除了要闷头搞技术，更重要的是要比机器人厂商更懂机器人，这不仅很大程度决定了自身的技术路线，更决定了能否切中厂商们的“心头好”。
同质化下的“你追我赶”，赶不走危机
在经历了野蛮生长时代过后，扫地机器人的发展似乎陷入了同质化竞争的魔咒。在行业中，能够真切的感受到每个机器人厂商无不为产品创新绞尽脑汁，但即便如此，能够戳中市场G点的创新仍不多见。在你追我赶之下，还未依靠新“点子”建立优势，转眼间就成了同行的标配。
不过，虽然同质化竞争看似严重，但却不是最关键的问题。更应该关注的是，在越卷越高的产品力面前，扫地机器人的渗透率却依然进展缓慢。根据Statista统计，目前我国的扫地机器人渗透率仍仅有约6%，与欧美国家普遍10%以上的渗透率相比，差距明显。乐观的说，我国扫地机器人渗透率还有巨大的提升空间，但如何把蛋糕吃进嘴里，整个行业却显得束手无策。
或许趋高的价格浇灭了市场的购买热情，但以极度注重“务实”的国内消费者而言，当产品能够极大程度发挥实用价值时，会大大降低消费者对价格的敏感性。当下的问题是，机器人产品力在提高，但还不够高。扫地机器人还需要多个能够戳中市场G点的创新。而这需要整个产业链的并力。
INDEMIND作为产业链中的技术“卖水人”，正在发挥独有的技术价值。
要比厂商更懂机器人
正如博世能够成为全球首先大汽车零部件供应商，原因不仅仅是成立的久，也不是技术暂时领先，最关键的是他们比多数车企更懂车。INDEMIND深知这一点，在长期技术研发中不仅注重自身的技术塔基，更加关注机器人在不同领域的真实反馈，通过实勘实测，以“局外人”的视角对机器人的迭代方向和技术实现产生了诸多新想法。
在基础技术方面，INDEMIND推出了市面上新款真正意义的家用机器人纯视觉解决方案，不仅从产品形态上革新，也延续了INDEMIND高度自研的一贯风格，在功能表现、场景适配都有着质的提升，达到了激光+视觉融合方案同等水平的技术效果，且成本只有其1/3，在提供技术价值取胜的同时，满足行业的成本、先进性等要求。
需要提到的是，INDEMIND全栈自研了轻量化VSLAM算法（不基于谷歌Cartographer算法）、路径规划算法、智能决策引擎等核心技术，达到行业领先水平。
在前沿技术探索上，INDEMIND同样有着丰富积累，其中包括三维语义建图技术，智能决策技术、语义交互技术以及脏污识别技术等，对于扫地机器人均有着重要价值。
立体感知，尽收“眼”底。目前主流的传统2D栅格地图、拓扑地图虽然能够描述环境中存在的障碍物几何特征及其环境结构信息，但却缺乏机器人用于理解环境、人机/物机交互等业务逻辑的高层次语义信息，而INDEMIND三维语义建图技术，不仅包含物体及环境的结构信息，还有物体类别、功能属性等“常识”性信息，这为机器人人机交互、智能作业、智能避障等提供了底层数据支持。
工程机演示，不代表最终量产效果
自主决策，赋能“人脑”思维。想让机器人实现满足要求的自主作业，离不开智能决策。通过将设备端、云端智能决策平台、大数据平台三端结合，INDEMIND建立了一套智能决策引擎，能够在语义层次上理解环境信息，模仿人类大脑对环境理解的方式，并进行策略处理，实现多种智能化的业务逻辑。同时，基于关键数据能够不断更新算法模型，持续提升场景处理和问题应对能力。
被忽略的问题，脏污识别。现有的机器人无法像人一样知道哪里脏哪里不脏，脏污的类型和分布情况，清洁流程是以依照规划路线按部就班的方式进行作业，缺少灵巧变通，在面对复杂脏污时，可能会产生新的清洁问题，导致清洁效果差或重复清扫。基于对当下机器人的深度追踪，INDEMIND敏锐地感知到脏污识别将是机器人的下一个必备技术。
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。
作为重要技术目标，INDEMIND通过长期攻关，最终研发了以视觉图像算法配合融合摄像头及主动补光策略构建而成的脏污识别技术，在实际表现上，目前已能够达到平均脏污检出率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。
通过实际验证，无论是机器人的建图效果、清洁功能及效率、指令作业，均有着跨代式提升。
（推广）
