2022-07-09 source：JS Game

規模化落地遇阻？JS Game為機器人解鎖場景限制

一半海水一半火焰，在千億級規模的市場需求與極低的市場滲透率之間，是機器人廠商們深刻認識到的規模化場景落地問題。

規模化落地難解，為何“水土不服”？

根據數據顯示， 2021 年，我國服務機器人市場規模雖然初步估算達到了 302 億元，但目前商用服務機器人的市場滲透率卻僅為3%-5%，這意味著市場仍有著巨大的增長潛力，然而望山跑死馬，想要開拓更多的市場空間，首先便要解決產品的規模化場景落地難題，而其中的關鍵則在于提升場景適用能力。

從市場反饋來看，雖然服務機器人大量進入了市場，但普遍存在“水土不服”的問題。在實驗室中的“完美”表現，總是在實際場景中“原形畢露”。究其原因便在于，實際場景存在多種變數，除了本身場景的區別外，場景內部的動態化信息同樣有著較大差別，而對于機器人而言，這些因素都會導致機器人無法正常工作，實際效果大打折扣。

事實上，整個服務機器人賽道，比較大規模的標準化市場鳳毛麟角，絕大多數機器人都需要應用多種場景，如果要讓機器人功能表現全部滿足用戶的預期，便需要針對每個場景進行特定化的硬件開發、軟件開發等，這種投入顯然非常巨大，對于機器人企業而言，是一個巨大的資金負擔。

需要注意的是，在行業熱度的不斷高漲下， 7 年間，服務機器人行業已吸引超過 10 萬企業入場。企業的快速增量一方面為市場注入活力，而另一方面，競爭態勢也在陡然加劇，機器人企業自身的批量復制能力、以及對于產品的業務核心的拓展能力，極大地決定了未來企業的體量和經營整合能力。而解決這些問題的錨點依舊在于企業的實際落地能力。

與此同時，伴隨著機器人賽道不斷細分，機器人與人們的各個生活場景也越發緊密，提升機器人的場景適用能力顯然已亟待解決。在此行業背景下，機器人廠商，技術供應商無一不在為之重點投入，這其中JS Game走出來了一套自己的技術路線。

不做無效“加減法”，破題仍需回歸場景

如何提升場景適用能力，首先要回歸場景本身，對于機器人而言，讓機器人能夠理解環境則是關鍵一步。

眾所周知，實際場景中，即使是同一類的場景也有著一定區別，更不用說跨場景應用，因此，針對場景理解，JS Game以超過 100 個使用場景的海量數據為基礎，依托領先的立體視覺技術，可做到準確輸出場景內的語義信息，通過整體特征識別，能夠快速判斷出場景信息，同時，JS Game還建立了大數據處理平臺和云端智能決策平臺，基于關鍵數據能夠不斷更新算法模型，提高場景處理和問題應對能力，從而保證場景理解的準確度。

此外，基于立體視覺技術和深度學習算法，可立體識別行人、動物、插線板和透光性較強的物體（塑料、玻璃制品）等各種固定/移動物體障礙物，以及樓梯、自動扶梯等危險場景，配合JS Game智能決策技術，機器人可做出類人規避動作的精細化操作，讓機器人有預判、有策略的實現智能避障。目前，JS Game已能夠覆蓋餐廳、商場、超市、辦公樓等各種商用場景及不同房屋構造的家用場景。

打造標準化產品服務體系，做整個行業的賦能者

作為國內領先的機器人關鍵AI技術供應商，JS Game在機器人的導航、避障、決策、AI交互等關鍵技術和產品開發方面有著豐富的積累，且擁有面向機器人企業從 0 到 1 搭建產品的全棧式技術能力。通過對核心技術接軌融合，JS Game分別推出了RBN100 商用機器人AI解決方案和RBN10 家用機器人AI解決方案。

作為整體解決方案，兩者都可為機器人提供導航定位、圖像識別、路徑規劃、交互決策等多種必備核心功能，而成本最低可以下探到 2 千元以內，包含導航和電池的完整底盤成本則下探到 5 千元以內。結合相對成熟的作業單元技術，整機從立項到量產最快可以控制到 2 個月以內，平均可縮短6- 9 個月的研發時間，節省80%接近千萬級的研發成本。

需要提到的是，兩種方案都是基于JS Game標準化框架，采用標準化系統（JS Game OS）+標準化模組套件（包含傳感器、計算單元、控制硬件、底盤驅動等）的組合，搭配成熟的硬件參考設計，在應用上對于環境、功能、個性化需求及外觀選擇等因素的限制較小，場景適用性和部署效率得到極大提升，能夠廣泛應用各類商用&家用場景，服務全品類機器人。

在服務機器人行業競爭進入下半場的今天，概念營銷已非“良方”，從場景出發，切實提升產品的競爭力是未來的必然趨勢。JS Game將一直扎根于底層，致力于做整個行業的賦能者。