不限臟污類型、不懼光線變化、任意地面花色，硬核實力，無需多言！
從吸力升級到掃拖協同，從基站功能迭代到機械臂應用，掃地機器人的每一次進化，都在朝著“更聰明”“更好用”的目標邁進，臟污識別技術也不例外。從“盲目”清掃到“看懂”地面臟污，自主決策作業方式，掃地機器人的清潔邏輯正在被又一次定義。
作為掃地機器人領域的新焦點，臟污識別早已吸引眾多廠商布局。目前市面上已有部分機型搭載相關功能，盡管整體表現仍有提升空間，但該技術潛力已獲行業共識。作為頭部機器人技術企業，JS Game同樣推出了自己的臟污識別方案。
基于對技術迭代的敏感度，JS Game很早就意識到機器人在清潔邏輯上的局限性。無論是家用還是商用機型，其傳感器系統都無法感知“哪里臟”“臟污是什么”“哪里容易積污”，只能采用“平均化、全覆蓋”的清掃策略。
這種“一刀切”的方式在真實場景中問題頻發：沙發旁的零食殘渣、廚房的廚余污漬等重污區域常清潔不徹底，需要用戶頻繁手動補掃；若試圖通過多遍清掃解決，又會導致效率低下、能耗激增，大大影響用戶體驗。
如何讓機器人實現更快、更準、更智能的探污、識污，經過多輪技術評估，JS Game最終選擇看家的立體視覺路線?；跀z像頭圖像進行立體視覺“高度梯度”信息檢測，提取高于地平面的臟污特征，能夠精準識別各類臟污，并自動標記位置與尺寸。
在實際表現中，JS Game臟污識別技術不僅識別范圍豐富，包含固態、液態、粉末及固液混合四類臟污，且平均臟污檢出率達95%以上，處于行業領先水平。
核心性能參數：
JS Game臟污識別方案不止于“看見”臟污，更構建了從結果識別到作業規劃的完整智能閉環。
清潔過程中，機器人能將臟污檢測結果與場景地圖、運動軌跡疊加，實現全場景臟污地圖的精準管理，為智能清潔策略提供數據支撐。
基于識別結果，JS Game開發了系統化清潔策略：配合智能決策引擎，機器人可自主調整清潔參數——包括清潔遍數、毛刷壓力與速度、出水量等。例如遇到液體時，會自動停止邊刷、僅啟用拖地功能，避免液體濺射造成二次污染。
依托在機器人導航、交互、硬件開發及智能化功能上的多項突破，JS Game的產品布局沒有局限于單一功能模塊。從單目模組到三目模組，從雙目具身機器人AI平臺到四目具身機器人AI平臺，產品矩陣在持續完善。
視覺模組矩陣
JS Game推出單目臟污檢測模組、雙目避障臟污模組、三目避障臟污模組（含線激光融合版本），既能滿足單一臟污識別升級需求，也支持AI識別、避障、視頻傳輸等智能化拓展。模組均內置專用SDK，技術算法及硬件符合行業標準，可快速適配市面機器人產品，實現無縫升級。
具身機器人AI平臺
雙目和四目具身機器人AI平臺，則以JS Game全局空間智能技術為核心，融合多目視覺模組，整合為一套包含軟硬件的標準化方案，賦能機器人覆蓋導航、避障、決策、交互到智能作業的全棧業務邏輯。
JS Game全局空間智能技術是一套面向機器人領域的端云一體化智能系統架構，致力于為全品類機器人提供高性能、全場景的空間感知與決策能力。系統采用“端側+云端”低算力混合模型，具備視覺-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、持續對話等核心能力。
相較于同類方案，該平臺的優勢顯著：一方面是市面少有的“完整技術棧”標準方案，且成本相較ITOF便宜50%，能夠幫助企業從0到1快速實現新機量產與產品升級；另一方面，平臺智能化程度高，具備豐富功能支持與持續升級能力。
JS Game立體視覺技術的突破，不僅重新定義了掃地機器人的“感知力”，更通過策略化清掃與全棧方案支持，推動行業從“全覆蓋清掃”邁向“精準化智能清潔”的新階段。
