作為低端掃地機器人的標配，便宜成了視覺導航的最大賣點。
便宜≠彌補缺陷
得益于視覺傳感器的低成本特性，視覺導航方案的整體成本一直低于激光導航方案，加之在智能化開發方面的巨大潛力，讓它迅速成為了目前最主流的導航方案之一，甚至業內普遍認為視覺導航或許將會取代激光導航。不過現實很骨感，想要實現這一愿望，僅靠便宜還遠遠不夠。
到目前為止，視覺導航只是作為低端機的標配，排除廠家產品策略的影響，視覺導航不好用是根本原因。在實際表現中暴露出的不穩定、精度低、易受環境光線影響等缺陷，給人留下了一個不靠譜的印象。
從技術發展來看，由于視覺導航技術起步相對較晚，在理論、技術和產品落地方面都落后于激光導航技術，加之視覺開發的高門檻特性，造就了視覺方案的稀缺性和發展滯后性。不過隨著近幾年，越來越多的企業投入到視覺行列，視覺技術的發展正在突飛猛進，不乏有不弱于激光導航表現的視覺方案出現，如JS Game推出的「家用機器人AI Kit」視覺導航方案。
提升視覺表現，需要系統性方案
「家用機器人AI Kit」是以JS Game自研的JS Game OS Lite家用機器人AGI系統為核心，搭配面向家用小型機器人專門研發的一體化立體視覺模組，可實現家用機器人導航定位、智能避障、路徑規劃、決策交互等核心功能，是包含軟硬件的ALL IN ONE解決方案。
從2021年推出至今，JS Game基于視覺技術路線，不斷開發完善，「家用機器人AI Kit」在經過近百次迭代后，在定位精度、魯棒性等方面取得了跨代式進步。
從視覺導航缺陷的底層原因出發，精度問題、穩定性問題等，本質是一個系統性問題，單純的針對一個問題，只是治標不治本，想要根本解決，需要從全局架構出發。影響視覺導航精度和穩定性的因素無外乎是算力、光線、算法成熟度，因此JS Game設計了一個開拓性的輕量化平臺，在不增加軟硬件成本的情況下，保障性能的同時，完成了從算法到硬件的集體“瘦身”。
平臺包括輕量化VSLAM（基于深度學習特征的SLAM架構）、輕量化Depth（基于深度學習特征匹配的Depth）、輕量化深度學習模型（底層算子自研、剪枝、量化）等，同時還在硬件上，對于視覺處理采用NEON加速、GPU加速、DSP加速等方式，提升計算性能，顯著降低了算力要求，在測試中，已能夠在幾美金的計算平臺上穩定運行整套VSLAM算法。
目前，「家用機器人AI Kit」搭載4核A53/A55級別芯片即可滿足需求，能夠適配如RK3566（全解決方案情況下，雙目視覺多傳感器融合SLAM、雙目Depth、物體識別及整機完整SDK）。需要提到的是，現有的大部分視覺導航方案在算力上大多需要TX2及以上，甚至PC級算力需求，且對CPU、GPU或NPU、內存均有較高要求。為了應對光線適應問題，JS Game開發了一套系統化環境補光策略，包含主動式環境補光配置和光照變化條件下的建圖策略。
在實際表現中，面對強光直射、無光源、昏暗等特殊光照環境均能無差異工作，且機器人導航精度已能實現絕對定位精度<1%，姿態精度<1°，足以媲美激光雷達，此外與激光導航或激光融合導航不同的是，JS Game還首創了真全屋三維建圖，接近1:1還原的真實感。
事實上，想要替代激光導航及激光融合方案，做到這些仍然不夠，真正的“贏點”，而是智能化，是智能識別、智能地圖、智能避障、智能交互等多種關鍵功能的實現。為此，JS Game用多年時間，專門開發了一套智能決策引擎。
基于高精度三維建圖能使機器人在語義層次上理解環境信息，模仿人類大腦對環境理解的方式，并進行策略處理。配合JS Game的AI識別技術，機器人可以識別物體、人、動物及空間語義，因此，在避障上，機器人可做出類人規避動作的精細化操作，能夠讓機器人有策略的實現智能避障(如根據障礙物不同做出不同規避距離)。在交互上，可通過語音、手勢、動作等自然語言指令，命令機器人進行安全、搜尋、跟隨、自主尋路、定向清掃等多種智能邏輯。以定向清掃為例，發布語音命令:“清掃一下廚房”可被識別為針對地圖上識別到的廚房區域進行一次規劃清掃。
