從誕生以來，掃地機器人的升級從未停止，清潔技術的進步，更是讓機器人產品大放異彩，但盡管如此，人工“智障”的帽子卻從未摘掉，在它不斷被完善的問題清單中，避障功能一直是一道極難攻克的關隘，而正因如此，也成為了廠商們的“必爭之地”。
實驗室中的“完美表現”，現實為何折戟
在實驗室階段，掃地機器人雖然經歷了多種避障測試，但實際環境的表現卻總是差強人意，究其原因在于真實家庭環境的復雜度往往更高，場景格局的變化、障礙物雜亂度更高且種類更多、人寵的介入等等，面對更加嘈雜混亂的環境，需要機器人不僅要能夠隨時急停，還要能夠精準“閃避”，這對于目前大部分的掃地機器人而言，顯然難以滿足。
在運行過程中，類似亂撞、避障失靈、錯位、卡死等問題頻頻發生，往往需要人為協助才能繼續工作，這與用戶的購買初衷明顯相悖。
如果掃地機器人不“省力”，也就失去了本身價值。
在龐大的市場需求和不斷加劇的競爭態勢下，意味著越早解決避障技術的短板，便能搶占更大的市場空間。但該如何解決，在經歷紅外技術、超聲技術、激光雷達技術之后，廠商們再次默契地把目光投向了視覺技術。
能夠獲取更豐富的環境信息，是視覺技術的天然優勢。使得掃地機器人的感知&認知能力大大提升，這為掃地機器人實現更高層級的智能避障提供了可能，配合深度學習，在識別到障礙物信息后，更能根據不同障礙物屬性進行策略化規避，這對于以往的避障方式，靈活性和自主性都有著顯著優勢。從科沃斯、石頭最早把視覺技術應用到掃地機器人的避障模塊，視覺避障已經成為了中高端機型的標配。
無獨有偶，作為國內布局計算機視覺技術最早的一批AI技術公司，JS Game已經深耕行業多年，并開發了一套以立體視覺技術為核心的RBN10家用機器人AI方案，方案主要應用于家用機器人平臺，在避障方面，已能夠實現低矮障礙物避障、高透障礙物避障，智能語義避障。
在官方實機演示中，為了測試掃地機器人的真實避障能力，設置了多種極限環境：
? 低矮密集障礙物：積木類
? 高透障礙物：玻璃制品
? 黑暗環境避障
以往的機器人避障系統，受限于傳感器屬性，對于低矮障礙物和高透障礙物很難有效檢測，加之硬件布局限制，這類障礙物甚至處于檢測盲區，但在實際環境中，這幾類障礙物往往占據著多數，因此，掃地機器人想要穩定運行，首先便要能夠準確檢測各類障礙物。
因為了讓機器人能夠“看懂”，JS Game專門為家用場景研發訓練了一套物體識別卷積神經網絡模型，可以準確識別家用場景中的低矮障礙物（例如：動物糞便、拖鞋、鑰匙串、線材、地插等）、高透障礙物（玻璃類物體）、動態障礙物（人、寵物）等等，從而實現精準避障，與此同時，根據不同障礙物信息結合JS Game決策引擎技術可實現策略避障，如不同規避距離，有效避開動物糞便、拖鞋等特定障礙物。
? 散亂密集障礙物：積木類
RBN10家用機器人AI方案實機演示
? 高透障礙物：玻璃制品
RBN10家用機器人AI方案實機演示
? 黑暗環境避障
RBN10家用機器人AI方案實機演示
如何在黑暗環境下工作，一直是掃地機器人的普遍難題，更不用說在黑暗環境下實現避障。因此，JS Game針對性開發了一套主動式補光策略，搭配RBN10家用機器人AI方案中內置的亮度補光、紋理補光兩種紅外補光設備（均符合人眼安全等級C1等級要求），兩種補光燈交替照明，與視覺傳感器曝光時間同步，生成兩種（A幀、B幀）獨特的視覺圖像，分別用于視覺定位及物體識別和立體視覺及建圖避障，滿足強光直射、無光源、黑暗等特殊環境下的無差異工作要求。
需要提到的是，RBN10家用機器人方案是以JS Game自研的JS Game OS（機器人AGI系統）為核心，以視覺自然導航技術為主導，搭配一體化標準模組，能夠為機器人提供導航定位，圖像識別、路徑規劃、交互決策等多種核心功能的ALL IN ONE方案，可廣泛應用于家用掃地、陪護、教育、玩具等家用服務機器人平臺。
在應用表現上，RBN10家用機器人AI方案還有著其它優勢，方案采用輕量化模型，對算力配置要求較低，且自身擁有標準化的控制接口，能夠快速適配各種機器人平臺，搭配自研一體化模組硬件，以持平單線激光雷達的成本，即可達到“激光+視覺傳感器”融合方案的導航精度水平，同時擁有超過融合方案的避障及識別能力。
此外，通過智能決策引擎技術還可以自定義安全、搜尋、跟隨、自主尋路等多種智能邏輯，大幅提升機器人的智能表現。
