机器人|扫地机器人“离家出走”的真实原因找到了：差个自动驾驶算法( 二 ) 中薪|高薪|扫地机|自动驾驶|算

其中就包括 LDS（激光雷达）。
当双目视觉算法遇上激光雷达（能搞定所在高度的平面避障），在二者的结合之下，机器人不仅能完美避开 3cm 以上的障碍物，还能通过它们 " 找准自身定位 "。
此外，激光雷达也会用在 SLAM 的建图和定位上。
3cm 以下：目标检测算法的最强 " 辅助 "
不过，在实际应用中，单靠双目视觉算法和激光雷达，还远远不够。
小于 3 × 5 厘米的物体，会比较麻烦，既要区分出要清扫的部分（纸屑、地毯）、又要避开一些容易缠住的障碍（数据线）。
这种情况下，双目视觉算法就成了最好的 " 辅助 "：协助目标识别算法，将需要避开的物体检测出来，准确地区分垃圾与障碍物。
目标检测模型上，T7 Pro 自研的神经网络借鉴了 SSD，YOLO，及 CenterNet 等多种新型模型，目前还在不断地迭代。
算法上，石头采用了 " 一分为二 " 的待遇：高于 3 厘米的物体，绕障碍物边沿避障和清扫；
小于 3 厘米的物体，按种类进行清扫（纸屑、地毯）或避障（宠物便便、数据线）。
数据集上，石头也 " 别有用心 "：选出了一些特殊的物体，进行 " 有差别对待 "。
例如，大家都有所担心的动物便便，石头 T7 Pro 的算法中直接加入了便便的识别（同情做数据集的一秒钟），在接触之前，远远地就避开它。
哪怕不在家，扫地机器人也不会把宠物便便拖得满地都是。

文章插图
虽然算法目前已经迭代到了能够识别9 种物体的 " 体量 "（还在增加 ing），但不是所有的物体都像宠物便便这样，会受到 " 远远避开 " 的待遇。
9 类常见障碍物：底座类（吧台椅、风扇、手持底座、平底座、灯底座）、体重秤、线团、插线板、鞋子、粑粑、织物（如袜子）、易卡家具（如 U 型椅）、簸箕
例如鞋子、风扇这种相对较为安全的物体，离得近一点再避障也没什么问题（推开一点不重要，扫干净就行）。
以及，这部分算法还有个小彩蛋。
在你上班的时候，这个扫地机器人就能化身小管家，" 监督 " 宠物：是不是又把食盆打翻了？
不过，视频只有直播，没有云存储，也就是说，其他人甚至没办法窃取你家的数据，所以，不用担心扫地机器人会 " 变身间谍 "。
继续 " 拆解 " 后的发现
从深度感知部分来看，扫地机器人深度感知的原理，与无人驾驶算法有着相似之处：
如下图，算法包含三大部分，第一部分是传感器数据的获取，第二部分是信息的提取，第三部分是独特导航算法的融合（后融合）。

文章插图
但这并不意味着，扫地机器人的算法与无人驾驶汽车的算法一样。
在实际应用上，扫地机器人需要 " 近距离避障 "（晚点刹车，扫得更干净），自动驾驶汽车则相反，需要以 " 安全 " 为主（尽早刹车）。
所以，虽然二者的避障核心都是自动驾驶中的双目视觉算法，但数据处理方式不同。
从根本上来说，它们都是智能机器人，为了让生活变得更方便而存在。
" 智能，让人们更聚焦于生活 "
石头科技 CTO、本硕毕业于浙大的吴震，在接受量子位采访时表示，基于用户场景持续迭代，扫地机器人才能更好地适应千家万户的多样性。

文章插图
△石头科技 CTO 吴震
例如，内测的时候，先对身边的人 " 下手 "：
在我们第一代产品内测时，我们发现有一位同事家里，一件老家具很容易卡住机器人。
后来我们就给这位同事买了一件相似的新家具，然后把这件老家具搬到实验室，作为我们标准测试项目。
而扫地机器人被发明出来的初衷，本质上与无人驾驶汽车一样，目的是将人类从劳动（驾车、琐碎的家务等）中解放出来，聚焦于生活。
吴震相信，伴随着计算机视觉的发展，智能机器人的视觉算法也会变得越来越完善。
" 扫地机器人，在我们看来是机器人技术在家庭环境下的第一个应用，但不会是最后一个。它不是终点，而是开始、是未来。"

文章插图
期待这些未来的智能机器人，能（让我们变得更懒）更加解放我们的双手。
【来源：量子位】
【 机器人|扫地机器人“离家出走”的真实原因找到了：差个自动驾驶算法】声明：转载此文是出于传递更多信息之目的。若有来源标注错误或侵犯了您的合法权益，请作者持权属证明与本网联系，我们将及时更正、删除，谢谢。邮箱地址：newmedia@xxcb.cn