让扫地机器人有只眼睛有多难？不难。难的是让它也有“脑子”，为什么让扫地机器人有脑子呢？
虽然这几年扫地机器人的智能性突飞猛进，但是一直有让我们暴走的情况：
推走拖鞋绕住电线 跟软布缠缠绵绵腻腻歪歪，想征服台灯底座电风扇底座，想踏遍家里每一个角角落落……
这些问题，并不能单纯地通过升级LDS激光雷达导航系统和优化算法来解决。
“由于LDS以及其他传感器识别盲区的制约，扫地机器人无法真正认知家居环境，无法高效准确地识别到不同障碍物的时候，会面临两个局面：要么漏扫，要么被困。而我们，两个都不想要。”
——科沃斯工程师
科沃斯的工程师们决定在扫地机器人上加入AIVI™，给它赋予会不断学习“大脑”，让它认知你的家，分辨拖鞋、电线、袜子等物体并分别采取不同的处理方式，尽最大努力减少漏扫和卡困，真正把人们从扫地家务中解脱出来。
扫地机器人DG70识别障碍物
为了让DG70学习分辨家里的物体，工程师们为它量身定做了一个图片库。
“是什么支撑着我采集图片？是勤奋么？是热爱么？都！不！是！我也想用现成的图，但是是用不了啊！”
——科沃斯工程师
一般人看家里的视角，跟扫地机器人看家里的视角完全不同。
我们的数据采集工程师，采集了扫地机器人视角下：几万只气味各异形态各异的袜子、几千只拖鞋、几千根形状不同的数据线、耳机线，同时偶然抓拍几百只猫猫狗狗们的“私房照”……
看着就眼晕系列AIVI™专享图片库
有了基础数据，该轮到小科装装学霸算法登场了。
什么算法才是能满足科沃斯扫地机器人神经网络模型的理想型？
首先，市面上不乏成熟开源的图像识别算法，但都无法满足产品要求，主要难点如下：
家庭室内环境比室外环境复杂很多；
目标物大部分是柔软的物体，模态、特征复杂，难以学习；
扫地机器人视角中的小目标物识别率都很差；
市面上的图像识别神经网络模型实在太大，无法在扫地机器人上实现量产家用。
所以，工程师们必须选择重新设计能够运行在小嵌入式芯片上的超轻量级神经网络模型，也就是高算力且较低功耗的芯片，散热少，满足扫地机器人长时间工作的要求。
当脚抬离地面一定高度，则停止跟踪识别
算法可自主识别标记线缆、袜子、鞋子等障碍物
有了经过训练的“神经网络”，再融合众多传感器数据等，扫地机器人DG70不但能看清家，更能看懂家，灵活避开障碍物，不被轻易卡住。
随着技术的不断精进，没准在不久的将来，“给在书房的爸爸端杯茶”这种小事儿，DG70就可以代劳。
AIVI技术基于其本身的技术特性，不会对用户信息安全造成不良影响。使用AIVI技术的扫地机器人可在设备本地对捕捉的画面中的物体进行识别，而无需借助云端处理技术，即使在离线情况下也能正常工作。设备捕捉到的家庭环境画面仅在设备本地用于识别物体，不会上传服务器，更不会对外公开，能够有效确保用户隐私安全。
网友评论