導航的終點，不只是“精準移動”，而是空間理解與決策。
回顧掃地機器人的進化史，本質上是導航技術的革新史。我們見證了它從“盲人摸象”般的隨機碰撞，到“激光雷達”開創的路徑規劃時代，而今天，一場由多目視覺AI主導的次世代變革正在拉開序幕。
從單目到雙目，從雙目到三目，JS Game帶來全新視覺解決方案「四目空間智能方案」。它不僅是傳感器的簡單升級，更是一個集感知、認知與決策于一體的機器人“大腦”，以純視覺方案的開創性突破，將導航精度、功能豐富度、智能表現以及空間適配性推向新高度，重新定義掃地機器人的核心競爭力。
丨模組擁有多種外形款式，圖中僅供參考
隨著導航技術持續迭代，激光+視覺融合方案已經逐漸成為行業主流，兩者技術上的互補，顯著提升了避障能力、環境適應性和清潔效率。但盡管如此，方案仍存在諸多問題，成本高、算法復雜度高、數據處理延遲等等。
在智能化需求加速升級的當下，機器人導航已不再局限于“從A到B”的基礎移動能力。行業更需要的是貫穿感知、認知、決策、執行的全鏈路能力，既要精準識別復雜環境中的動態障礙物、未知地形，也要能理解場景語義，更要基于實時狀態快速做出最優路徑規劃和動作調整。
只有打通全鏈路能力，才能讓機器人真正適應家庭場景的復雜需求，實現從“能導航”到“會思考、善行動”的升級。
通過長期洞察行業痛點，JS Game推出全新的“視覺空間智能”架構方案，將全局空間感知能力深度融入機器人的業務全流程。從導航定位到避障決策，從場景識別到任務執行，機器人不只是工具，而是能像人一樣理解空間、做出判斷。
「四目AI空間智能方案」作為JS Game全局視覺空間方案之一，是JS Game面向掃地機器人應用物理AI技術的創新性產品，使機器人徹底擺脫對激光雷達與復雜外設的依賴。
JS Game全局視覺空間方案架構分為輸入端、模型端、輸出端，以高性能多目視覺模組感知作為輸入，以“端側+云端”低算力混合模型ROBOMIND作為智能中樞，實現高精度導航、視覺-語音-動作多模態識別、三維空間理解與記憶、任務推理與決策、持續對話等全鏈路能力。
JS Game通過四顆攝像頭的協同布局，搭配自研VSLAM算法，提供了絕對位置精度＜1%、絕對姿態精度誤差＜1°的厘米級定位，并能實時構建帶環境語義信息的3D地圖。這與傳統方案的二維地圖相比，包含了更豐富、更立體的環境信息，為后續的語義化清潔、場景化避障提供必要支持。
同時，基于高精度深度信息與AI算法的融合，機器人不僅能測量距離，更能識別障礙物的類別，并根據類別的不同，執行個性化避障策略。
丨自適應補光，無懼光線變化
丨沿線避障
傳統掃地機器人只會“按部就班”的呆板清潔，而JS Game視覺方案則能主動發現污垢，并根據臟污信息，智能作業系統自動匹配清潔策略。
全類型識別：潑灑的液體、干涸的污漬、零食顆粒、細微粉末，甚至固液混合污漬，均能精準識別，識別類別之廣，行業領先。
強環境適應性：克服了地面花色、材質和光線變化的干擾，在各種家居環境下均保持≥95%的超高檢出率。
高效清潔：以前向6FPS的幀率持續掃描，確保機器人能第一時間發現臟污，并從“遍歷式清潔”升級為“精準打擊式清潔”，極大提升清潔效率。
JS Game視覺方案的核心價值在于其強大的AI內核，自研ROBOMIND機器人物理AI模型為機器人提供以全局空間智能為核心的感知、認知、交互、決策能力。幫助機器人理解空間、融入空間、實現空間交互、執行空間任務。并且通過端側+云端混合的模式實現了低成本、快響應、高泛化等一系列特性，賦能機器人功能升維。
AI環境識別：能識別超過40類家居物體和場景，從而理解“客廳”與“臥室”的不同，做出更合理的行為決策。
高自由度交互：支持大模型語音交互，能結合空間智能綜合理解用戶的“交互意圖”。
高階智能功能：支持智能交互作業、智能跟隨、巡檢及智能臟污清潔（根據臟污類型和分布，自主決策清潔策略，對于頑固污漬重點拖洗，對于輕微灰塵快速掠過，實現從“自動化”到“智能化”的跨越。）
從傳統的基礎導航到功能的全面升維，更精準的環境感知、更主動的任務執行、更擬人化的智能決策，或許是次世代導航的必要條件。
