剝離掉所有“花哨”的功能和復雜的技術(shù)包裝后，掃地機器人的初衷是什么？
在 “創(chuàng)新焦慮”之下，廠商們紛紛在功能上 “疊buff”，“颶風級”吸力、視頻通話，甚至能撿垃圾的機械手，但這些炫酷的技術(shù)，在實際體驗中卻還不能發(fā)揮出全部價值。
近幾年來，為了打造差異化，廠商們在功能和外形上不斷死磕。但客觀來看，除了導航技術(shù)迭代和掃拖一體的普及，鮮有真正改變體驗的重量級創(chuàng)新。反而在“創(chuàng)新”緊箍咒下，技術(shù)堆疊讓產(chǎn)品日益復雜，故障率與使用成本攀升，用戶體驗卻未見顯著提高。
這一尷尬的背后，并非是技術(shù)無用，而是技術(shù)的“濫用”。就像一個還沒學會走路的孩子，硬要被逼著學跑，最終只會跌得更慘。“過度智能化”正在讓掃地機器人偏離核心，用戶需要的是能把地掃干凈的“工具”，而不是能表演雜技的“玩具”。
把視角放到汽車行業(yè)或許能看的更清楚。2025年的國產(chǎn)車早已把智能座艙、自動駕駛做為標配，但以 “配置低、技術(shù)舊” 著稱的日系車仍占據(jù)市場重要份額。原因很簡單，人們買汽車，終究更在意是否經(jīng)濟耐用、開著省心 —— 掃地機器人何嘗不是如此？
“花哨”的功能價值無疑會隨著技術(shù)成熟逐漸顯現(xiàn)，但對當下的掃地機器人而言，把最本質(zhì)的能力做到極致，顯然更緊要。
回望掃地機器人的發(fā)展史，重大創(chuàng)新無不圍繞清潔能力展開。避障不佳、覆蓋率低、清潔效率差……這些用戶吐槽的通病，本質(zhì)是核心基礎(chǔ)能力的不足，感知環(huán)境的能力、規(guī)劃路徑的能力、自主決策的能力。
在感知方面，主流方案依賴激光雷達或單目視覺構(gòu)建的二維柵格地圖，本質(zhì)是“盲人摸象”式的平面認知：缺乏高度信息導致寵物食盆、插座線纜等低矮障礙物被忽略，激光雷達無法分辨地毯紋理與地面雜物造成漏掃，更無法理解樓梯、臺階等立體空間結(jié)構(gòu)。
現(xiàn)有產(chǎn)品的路徑規(guī)劃方式已經(jīng)很長時間沒有迭代。一方面，受限于激光雷達的空間限制，這類機型對作業(yè)高度有著要求，無法進入沙發(fā)底部等空間限制區(qū)域，形成作業(yè)盲區(qū)。另一方面，受限于規(guī)劃算法或地圖更新延遲，實際中常因算法邏輯或環(huán)境判斷失誤，出現(xiàn) “低效重復” 或 “無意義繞行”，降低清潔效率。
且被行業(yè)忽略的是，現(xiàn)有產(chǎn)品均是以程式化的規(guī)劃方式“一條道走到黑”，不能根據(jù)臟污類型做出對應的清潔策略。在面對嚴重臟污時，可能會導致清潔效果大打折扣，甚至反向清潔，如推著便便到處走，在作業(yè)過程中缺乏靈活性和針對性。
與“視頻通話”這些邊緣功能相比，支撐智能作業(yè)的核心決策匱乏。如何實時策略清潔臟污？、如何實時避障？均需要機器人通過智能決策執(zhí)行安全的移動路徑，運用有效的清潔機制清除地面污物，并在整個過程中自主管理任務執(zhí)行，最終實現(xiàn)在無人干預下完成對目標區(qū)域的清潔工作。
在試圖把掃地機器人打造成家庭中的“變形金剛”之前，更應該先做好機器人的“基本功”。
突破感知、規(guī)劃、決策的瓶頸，需要底層技術(shù)的革新。而隨著視覺技術(shù)的發(fā)展，以視覺為核心的AI技術(shù)，正為行業(yè)提供新思路。
作為一家以立體視覺為核心的AI技術(shù)公司，JS Game在機器人視覺技術(shù)的探索已經(jīng)走在行業(yè)前沿。不僅擁有行業(yè)領(lǐng)先的立體感知技術(shù)、視覺SLAM算法、智能決策技術(shù)，還擁有業(yè)內(nèi)成熟度極高的臟污識別技術(shù)。
專注底層技術(shù)，打造全新技術(shù)鏈
基于立體視覺技術(shù)，JS Game研發(fā)了市面上獨有的三維語義建圖技術(shù)。通過建立“端邊協(xié)同的輕量化智能”，借助雙目視覺傳感器采集3D點云，在邊緣端嵌入式芯片上運行輕量化深度學習模型，實時完成點云聚類、物體識別和場景分割，實現(xiàn)同步構(gòu)建包含物體語義（如電線、拖鞋）和區(qū)域語義（如廚房、兒童房）的三維地圖，且支持實時更新。
在技術(shù)表現(xiàn)上，不僅實現(xiàn)厘米級精度的障礙物識別，還具備動態(tài)場景適應能力，可實時更新移動物體（如兒童玩具、寵物）的位置信息，避免“刻舟求劍”式的導航失誤。
在路徑規(guī)劃方面，視覺方案對于空間要求較低，機器人在外形設計上有更大自由度，能夠進入到空間更狹窄的區(qū)域，最大可能降低覆蓋盲區(qū)。而全棧自研的輕量化SLAM算法和智能規(guī)劃算法，不能顯著提升機器人的反應速度，在穩(wěn)定性上也得到明顯加強。
與此同時，JS Game所擁有的主動臟污識別技術(shù)，不僅支持任何地面材質(zhì)、花色、光線下的透明、半透明，不透明液體及干涸污漬識別、顆粒狀臟污識別、粉末狀臟污識別，平均臟污檢出率也達到99%以上。結(jié)合JS Game配套的系統(tǒng)化清潔策略，包含清潔遍數(shù)、清潔力度（毛刷壓力和速度、出水量等）、清潔時長等。
在智能決策上，JS Game基于設備端、云端智能決策平臺、大數(shù)據(jù)平臺三端專門建立的智能決策引擎，能在語義層次上理解環(huán)境信息，模仿人類大腦對環(huán)境理解的方式，支持機器人自主決策避障方式（距離）、路徑調(diào)整（實時最優(yōu)路徑）、清潔策略。同時，基于關(guān)鍵數(shù)據(jù)能夠不斷更新算法模型，持續(xù)提升場景處理和問題應對能力。
這種對感知、認知、決策能力的全面升級，正是“第一性原理”的實踐。通過夯實底層“基本功”，不僅大幅提升核心清潔能力，也自然解鎖了臟污識別、智能作業(yè)等進新拼圖，在塑造機器人“經(jīng)濟耐用”形象的同時，也讓機器人更好用，更易用。
目前，JS Game推出的視覺導航方案、臟污識別模組已和美的、TCL等多家國內(nèi)外巨頭達成合作。
