智東西（公眾號：zhidxcom）
編輯 | 孫悅
智東西6月7日消息，近日GTIC 2021嵌入式AI創新峰會在北京圓滿收官！在這場全天座無虛席、全網直播觀看人數逾150萬次的高規格產業峰會上，來自產業鏈上下游的16位大佬共聚一堂，圍繞嵌入式AI的軟硬件生態創新、家居AIoT、移動機器人和工業制造產業4大版塊地圖，帶來了深入淺出的分享。
會上，360人工智能研究院運動引擎算法負責人潘俊威帶來了題為《嵌入式AI快速發展，掃地機器人進入感知決策新賽道》的演講。
▲360人工智能研究院運動引擎算法負責人潘俊威
潘俊威提到，我國掃地機器人市場規模已從2013年的8.4億元，增長到2020年的93.8億元，正不斷快速增長。同時，掃地機器人產品中高端化明顯，智能已成為高附加值特征。
不過，掃地機器人在易用性上還有較大提升空間。“尤其是用戶對避障的需求越來越強烈，將3D深度相機應用在掃地機器人上也變得水到渠成。”潘俊威說，將3D深度相機和多傳感器融合，能讓機器人獲取環境信息的能力從二維提升到三維，大大增強設備的環境感知能力。
為了進一步滿足消費者需求，360提出了掃地機器人的無人駕駛大腦概念，重點是提升移動機器人在環境感知、場景理解、決策規劃三個方面的能力。
例如，基于360無人駕駛大腦研發的三雷達融合避障技術，采用多傳感器融合感知算法，結合聚類和分割算法，能讓掃地機器人識別門檻、推拉軌道、厚地毯和普通障礙物，做到避障的同時順暢通行門檻軌道等區域。
目前掃地機器人年銷量為600萬臺，是洗衣機銷量的15%，市場滲透率不足8%，仍存在廣闊空間。潘俊威認為，想要推動這一市場的發展，要持續升級掃地機器人的導航、避障和清潔三大核心要素。
以下為潘俊威演講實錄整理：
一、掃地機器人25年，從亂跑亂撞到自主導航
先為大家介紹一下掃地機器人的前世今生。
1996年第一臺掃地機器人誕生，它奠定了掃地機器人導航與規劃的基礎。不過，其實沒有什么導航，只是隨機碰撞的方式工作。
2000年第一臺擁有三段式清掃機構的掃地機器人誕生，它奠定了掃地機器人接下來清掃機構的樣式。
2001年第一臺激光雷達導航的掃地機出現。
2004年第一臺以慣性導航的掃地機器人誕生，它標志著掃地機初步具有導航的能力。這時候掃地機器人處于市場早期，以隨機式和慣導式的機器人為主，經常出現漏掃嚴重、清潔率低，容易死機卡機，清掃率非常低等問題。這個階段機器就是可用，消費者以嘗鮮居多，形不成口碑。
2005年第一臺視覺導航的掃地機器人誕生，機器機已經初步具有全局規劃的能力。這個階段的掃地機器人可以進行很規整的清掃。技術開始革新、功能完善，易用性得到很大提升，但是存在一個缺點就是價格昂貴。這個階段只是在極客圈里流行，它標志著掃地機進入智能時代。
二、2016年為節點，掃地機器人從好用到“真香”
掃地機的早期階段，隨著激光雷達、傳感器、Camera、CPU嵌入式端芯片的降低以及算力的提升，掃地機器人開始逐步向好用和真香的階段發展。
2016年小米發布LDS掃地機器人與科沃斯VSLAM方案掃地機器人、360LDS掃托一體機器人，掃地機器人在路徑規劃上進行比拼。由于傳感器成本的極大降低，機器人的智能程度得到很大的提升。特別是在用戶體驗方面，直接上升了一個層次。產品不僅變得好用，性價比也變高了。
掃地機器人進入發展的快車道，軟件禁區、多樓層地圖、自動禁區、地毯區識別等功能都開始搭載到全局規劃式的掃地機器人上面。方案都是往更干凈、更省心的方向去發展。
比如云鯨發布自動洗托布機器人，可以自動幫你清洗抹布，不用自己動手。iRobot推出中央集塵的掃地機器人，一個月甚至更長時間不用清理垃圾和塵盒。360推出三目深度視覺掃地機器人，可以多傳感器融合解決避障問題，讓用戶更省心。這時候的機器人已經開始向“真香”的階段發展了。
三、市場不斷增長，渠道線上為主，年輕消費群體居多
國內掃地機器人的市場2013年市場銷售額為8.4億元，到2020年已增長到93.8億元，這一市場正在不斷快速增長。
在用戶群體方面，35歲以下的消費者占到97%以上。2020年，92.28%銷售額都是由線上創造的。消費者主要以年輕人居多，在這一部分人群里面大家對于生活品質有著更高的追求，對于智能程度的接受度高，并愿意為此買單。
從銷售的數據上看，從2010年到2020年，掃地機器人的價位段逐步上升，特別是從2020年開始，2000元以上價位段的掃地機器人占比超過50%。在這個階段各家推出了旗艦級的產品，在智能方面下了很大工夫，比如石頭的雙目避障項目、360三目融合避障方案、科沃斯單目避障方案、掃地機器人中高端化的趨勢明顯，智能程度的高低也成為消費者評判的一大標準，這也是支撐掃地機器人高價位段的重要因素。
通過針對掃地機器人問題發放的調查問卷可以發現，在用戶對掃地機器人的期待中，機器人的智能程度占到第四位。除此之外，調研的前七個問題都和清掃結果相關。
大家普遍對掃地機的智能程度不滿意，在避障問題上吐槽率高達53.2%。絕大部分人對掃地機器人還是有很大興趣，那些沒用過、沒興趣的人群只占到2%。出現的普遍現象是，大家對掃地機器人的期望值偏高，65%的人期望它能夠完全代替人工。
四、AI成為掃地機器人的創新點
掃地機器人有三大核心要素，導航、避障、清潔，其中導航、避障占到很大的比重，這給AI在掃地機器人上的應用提出很多課題。
隨著技術的不斷成熟和應用場景的不斷豐富，深度相機在手機、汽車、VR/AR、新零售、安防等多個市場的需求不斷增長，從2019年以來該行業進入快速增長期，可以用在無人駕駛、AR應用、三維重建等等多個領域。
在掃地機器人領域上，由于用戶53.2%對于避障的需求非常強烈。將深度相機應用在這上面可以很好地解決避障問題，像360在2019年上海CES上已經發布了搭載深度相機方案的掃地機器人，針對障礙物可以很好的躲避，并且不會碰它。
有了深度相機還不夠，需要將深度相機和多傳感器融合。之前掃地機器人的環境信息都是二維的，加入深度相機之后結合多傳感器融合技術，將二維信息提升到三維空間，這樣大大增強了機器人的環境感知能力。
之前的掃地機器人經常會遇到一些輪子懸空、門檻卡住、頂部被卡還有被線纏繞，還有門檻等問題，通過障礙物和三維信息可以很好解決這個問題。其核心還是關于掃地機器人的生存率、易用性、智能度。
機器人工作的家庭環境非常復雜，一百戶家庭里面有一百種場景，機器人在各種各樣的場景下都不會被卡死，出的去回的來，這對用戶來說很重要。
降低掃地機器人的學習使用成本，可以看出35歲以下的消費者占了93%，像父母輩的人也想用這個東西，但是覺得使用成本很高，比如在使用上因為需要通過APP、網絡等連接，這對父母輩的使用群體就不是很友好，這也成了他們使用掃地機的一大障礙。
有了攝像機的加持，可以降低掃地機器人的學習使用成本，它出的去回的來，在不適用APP情況下也可以輕松使用機器人。機器人將語義融入到地圖中，特別是電線、門檻這種環境信息的識別，可以讓掃地機器人更智能。
機器學習在掃地機器人上的應用，現在芯片的算力快速發展，包括端上AI的能力可以賦予機器人環境語義的理解能力，結合AR芯片，充分利用深度和圖象數據，可以提高機器人對清掃場景的理解能力，做到更省心、更智能地工作。
云上AI能力，掃地機器人通過云端的訓練服務平臺自動更新到機器人身上，實現自我進化。端上AI能力可以賦予機器人場景理解的能力，比如機器人可以分辨房間、臥室、客廳、餐廳區、沙發區等，還能識別各個區域使用的是地磚還是地毯。對障礙物的識別，對場景能夠理解之后就可以做更多更智能化的清掃。
另外一點，深度相機可以孵化有效數據，運用神經網絡和機器學習通過單目RGP也可以識別出障礙物，它對算力要求很高。有了深度相機可以孵化有效數據，這樣可以得到更加有效的數據信息。然后，通過不斷完善障礙物的數據，讓機器人的識別變得更準確。
在數據積累到一定程度的時候，可以去掉深度相機。機器在降本的同時，避障性能不會發生特別大的變化。當機器人有了環境感知與理解能力之后，就不僅僅是掃地機器人了，它可以充當一個安防巡邏機器人、服務機器人或者陪伴機器人等，這些功能都是可以去探索開發的。
五、無人駕駛大腦：環境感知、場景理解、決策規劃
360針對這些場景提出了360無人駕駛大腦的概念，目前主要是室內的通用性移動平臺，在掃地機上應用為了讓掃地機器人更智能，重點要提升移動機器人在環境感知、場景理解、決策規劃三方面的能力。
針對環境感知，我們要融合LDS雷達傳感器等各種傳感器，對這些數據進行處理，并且加以融合。在場景理解上，基于融合的數據構建二維地圖還有三維地圖，融合出來高精度的地圖，這樣可以更好地在地圖上標注障礙物理解。對機器人的姿態識別、運動狀態識別以及危險狀態識別等進行判斷認知，這也就是運動態勢認知。上層的決策和規劃對掃地機器人的行為進行決策，規劃出合理的路線以及對機器人本體進行運動控制。
我們將這項功能應用在最新發布的旗艦款360差異板MAX機器上面，它是市面上唯一一款將定位雷達做到內置，放到機器人內部。激光雷達一般的都被安裝在機器設備的頂部。我們把這個設計放到了機器人內部，在360差異板MAX機器里，我們放置了三個雷達，ETOP雷達，做定位，解決導航定位的問題；固態線性雷達，融合了ETOP定位雷達，解決避障的問題。
導航定位的問題，由于我們把原本應放于外面的雷達做了內置設計，導致機器人后部的雷達數據全部被遮擋了，因此需要解決數據被遮擋之后的定位問題。通過有限FOV導航定位技術，在這樣一個限制的條件下可以精準定位不疊圖。
引入地圖的探索，通過多個匹配消除局部歧義，基于運動約束解決相似度高，解決的定位致信度偏差還有疊圖概率高的問題。很多傳感器涉及到多傳感器的實時高精度融合算法框架，我們定位誤差平均降低60%以上，軌跡平滑度提高20%-30%左右。
嵌入式端的芯片算力非常受限，我們面向受限的嵌入式平臺，針對配準的底層算法進行優化，給出并傳播致信度，消除歧義，提高魯棒性，降低計算耗時50%以上，保證可實施性，算法可以跑在更低端的性能和更差的嵌入式平臺上，從而達到降本的目的。
三個雷達融合的避障技術，基于三個線性雷達來恢復環境的三維信息。多傳感器做到該躲的區域不會去，該掃的地方不會漏。多傳感器融合感知算法，機器人可以識別、區分門檻，還有推拉軌道滑軌以及厚地毯和障礙物的區別。
如果遇到一些障礙物，比如堆滿屋的孩子玩具一類的物品。我們使機器人能夠區分障礙物，做到避障的同時不漏掃。我們構造了local map障礙物的概率圖，它可以大幅減少低矮障礙物的碰撞，這能夠降低90%以上的被困概率；而且我們機器人的側向有一個固態雷達，可以通過運動約束，恢復三維空間結構信息，對障礙物進行建模，實現低矮障礙物的快速精準環繞，且不碰撞。
掃地機器人存在一個障礙問題，前方的障礙物檢測到之后怎么處理？如果說要繞著障礙物行走的話，前面能看到的部分可以繞著它走，但是后面傳感器所探測不到的地方，則需要靠側向的傳感器對它進行實時建模，以及規劃出相應的行進路線。前向避障傳感器數據融合定位信息，恢復我的障礙物三維結構，這樣可以檢測到障礙物，并且判斷障礙物的尺寸，針對不同的障礙物選擇合適的繞障策略。
小孩子的玩具，特別小的東西，比如遙控器、充電頭等，如果離障礙物太近，繞著它走的時候，掃地機器人有一個邊刷，很容易把這些障礙物打飛，對于桌子腿椅子腿這種東西離它太遠了，又無法將邊角清掃干凈，需要識別這種場景，針對這種場景來選擇相應的繞障策略。
小障礙物離它遠一點繞著走。對于能識別出是桌子腿、椅子腿這類的障礙物，可以緊貼清掃，這樣不會造成漏掃，提升清潔度。我們的機器人融合三個傳感器的信息對障礙物進行精準建模避障，能夠高效輕松通過這些區域。家庭常見的障礙物，比如口紅，它可以輕松繞著走，而且邊刷不會打到，繞過的時候邊刷不會啟動，這就要求傳感器能夠識別并判斷出這一場景，選擇相應的策略。
掃地機器人這個品類存在成為必選消費品的可能，但是必選消費品要求這個產品品類一定要易用省心，而且現在機器人的年銷量是六百萬臺，這只是洗衣機15%的銷售量，同時它的市場滲透率也是不足8%，所以這個市場還存在很廣闊的空間。
掃地機器人的三大核心要素，導航、避障、清潔，有兩個都是和軟件相關，導航和避障決定了機器人的智能程度，它們在技術設計上占比非常高。這些核心要素都需要持續升級，在嵌入式端AI能力不斷提升的背景下，AI能力的比拼即將成為掃地機器人下一個重要的賽道。
以上是潘俊威演講內容的完整整理。
