360人工智能研究院潘俊威:扫地机器人走向“真香”，AI成重要创新点( 五 )

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。

本文插图
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。

本文插图
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。