女主宣言

2018年年初，360推出了扫地机器人。这款机器人应用了SLAM技术。SLAM技术可以对未知环境自动建立地图，并为智能设备导航。这一技术广泛地应用于各种可移动的智能设备。不论是自动驾驶汽车、机器人、VR/AR设备都离不开SLAM技术。本次360人工智能研究院副院长谭平教授将结合扫地机器人这一应用，简要介绍扫地机器人在规划导航（SLAM）方面的技术原理。

PS：丰富的一线技术、多元化的表现形式，尽在“HULK一线技术杂谈”，点关注哦！

18年初，360正式推出了智能业务线最新产品——360扫地机器人

360扫地机器人搭载了人工智能黑科技，采用激光SLAM的规划式，高效率、无漏扫；扫拖一体设计；独家指定禁区功能——扫地机中的战斗机，欧耶！

那么问题来了

什么是SLAM?

哪些人在研究SLAM?

这些应用离我们互联网公司有点遥远，那么我们近一点的，就是这两年比较火的AR/VR

为什么用AR要解决SLAM 的问题？

图片为微软的HoloLens眼镜。

假想我现在带的是一副AR眼镜，那么带了AR眼镜以后，我的面前就应该能出现一个虚拟的人物站在这，从不同的角度可以看到他不同的样子。

比如，我现在正对着笔记本，那我就要看到笔记本的正面的屏幕，朝下要看到键盘，走到背面就要看到笔记本的背面。

这些要怎么实现呢？如果有一个SLAM系统的话，这一切就就都可以做到。

我站在笔记本前面时，SLAM系统就定位出我的位置，从而相应地在眼镜片上投射电脑屏幕的图像。所以要做好AR眼镜，SLAM是里面最关键的一个问题。

另一个和今天的话题直接相关的就是机器人。研究机器人的人都很关注SLAM。

下面为大家介绍一下SLAM的概念。

SLAM的两种形态

Sparse SLAM

– 地图中只有少量的环境点
– 如：火箭/潜艇导航、地图绘制

上图是一个用相机做Sparse SLAM的例子。如图有一些绿色的点，在做Sparse SLAM时，只能把这些绿色的点的三维坐标恢复出来，最终的地图里面只有这些绿色的点，其他绝大多数的像素都被丢掉了。

Dense SLAM

– 地图中有完整的环境信息
– 如： AR/VR、 机器人

对比来说，Dense SLAM就会得到一张比较Dense的图，比如上图是一个房间，右上角那里，床铺的细节都可以看得到。

机器人的基本问题

扫地机器人方案

1

扫地机方案一：醉鬼走路

代表产品

工作方式

第一代扫地机器人的基本技术思想很简单，机器人沿任意方向直行，碰撞后按随机方向折返。理论上讲，给足够长的时间，机器人可以清扫房间的每一个角落。但这只是理论上。实际情况是，机器人往往会被卡在狭小的区域，反复碰撞，怎么也不能摆脱困境。

如图，这个机器人就被卡在床和墙壁之间的缝里，红色部分就是无法扫到的区域。

这让我想起大学时学《随机过程》的情景。为了说明随机游走的这种困境，老师用交大人工湖在图书馆前的一个狭长部分为例。每当湖面的落叶飘到那个狭窄的“盲肠”就很难再漂出来，于是“盲肠”成了天然的垃圾收集器，清洁工只需要打扫那个“盲肠”就能保持整个湖面干净。据说高明的建筑师都会这样设计人工湖。只是在扫地这事上，机器人成了漂浮的落叶，家里的每个拐角都是危险的“盲肠”。

2

扫地机方案二：盲人摸象（ESLAM）

代表产品

工作方式

机器人通过轮速记和IMU来记录自己的运行轨迹。

●轮速记可以记录轮子转了多少圈。

最常见的轮速记就是用在出租车上，出租车打表就是用轮速记，根据轮子转了多少圈计算行驶路程来计费。所以据说有司机把车轮换成小一点的轮子，这样就可以多挣大家的钱。

扫地机器人通过轮速记记录自己转了几圈，乘以周长，就可以计算自己走了多远。

●IMU记录转弯的方向。

行走距离+转弯方向就可以知道自己的行走轨迹。

这个方案就像一个生活经验丰富的盲人，光靠记转弯、数步数也能弄清楚自己的行走轨迹一般。有了这样的“航迹推算”，机器就可以按预设的、覆盖全平面的轨迹行走，撞到障碍物就标出并折返。这个方案是规划式的最初级形态——建图基本靠走，避障基本靠撞。

这个方案的问题是机器只能获得对环境的粗糙感知。家庭场景常有狭窄通道，比如床和墙之间的走道。机器很可能在通道入口发生碰撞（设想一位不熟悉环境的盲人试图进入该通道的情形），然后就会折返，留下一整条通道没有打扫。

如图，墙的边界线和床的外围用虚线表示，代表这些机器人是看不到的。红色部分就是机器人扫不到的区域。

另一个典型困境是密集障碍物，比如环绕餐桌放置的椅子，机器人很难在那里顺利通行。具体的原因是，每次碰撞轮子都会有不同程度的打滑，导致轮速记不准，而频繁的旋转又会导致陀螺仪累积误差剧增。机器人就像是一位误入树林的盲人，被打滑、碰撞弄得晕头转向，很难脱身。

3

扫地机方案三：眯缝眼（LSLAM）

代表产品

工作方式

这一代产品是近几年出现的，在智能化程度、用户体验上提升很大，激活了用户的购买欲，并迅速抢走第二代产品的市场。第三代扫地机器人开始配备能直接观测环境的传感器，并根据这个传感器不同，细分为激光雷达方案、摄像头方案。激光雷达安装在机器人顶部（突起部分），描绘一副离地面约9厘米高的平面地图。但单线激光雷达就像一个“眯缝眼”，这个平面外的东西一概看不见。

如图，墙角线用实线表示，因为这些是机器人能看到的。而鞋的边框用虚线表示，代表机器人看不到，因为鞋子太低了，机器人能识别的是一副离地面约9厘米高的平面地图，这个平面外的东西一概看不见，导致机器人会推着鞋子跑。这其实是这种方案目前面临的最大挑战。

4

扫地机方案四：视觉方案（VSLAM）

代表产品

工作方式

摄像头拍摄照片，并用这些照片来建立环境地图。但受限于算法和计算能力，摄像头只能在所谓“特征点”上解算出三维信息用于建立地图。而这些特征点是稀疏地分布在图像中，其数目并不多。

摄像头的好处是视野更大，有机会识别地板上一些需要规避的东西，如宠物粪便、鞋子。单线激光看不到低矮的东西，并可能导致灾难性的后果——扫地机均匀地把宠物粪便涂满屋子。但摄像头的缺点是无法精准定位障碍物。如我前面所说，由于是Sparse 地图，摄像头建立的地图只包含“特征点”。而很多障碍物上很可能一个特征点都没有。于是在障碍物密集区域或是狭窄通道处，摄像头方案都会明显弱于激光雷达。特别是在弱光下摄像头方案几乎会退化到第二代的“盲人摸象”式。

我们实测了Dyson和iRobot几款明星级摄像头方案产品，验证了这个技术判断。最终我们选定用激光方案来做360扫地机器人，因为有密集餐桌椅的家庭远多于有随地大小便宠物的家庭。

方案一vs方案二VS方案三

测试场景

清扫效果对比

躲避障碍物

穿行狭缝

测试结论

三大类方案

– ESLAM (盲人摸象) 科沃斯DD35、浦桑尼克790
– LSLAM (眯缝眼) 小米扫地机、 360 S6
– VSLAM   iRobot 980、科沃斯DJ35

结论

– ESLAM易漏扫、扫得慢
– LSLAM 在窄缝、障碍物密集场景最优
– VSLAM 的潜力还没有被充分开发

更多测评实验

• 测试区域： 9平米会议室
• 三个场景，分别为简单、中等、较复杂
• 自制设备记录各家扫地机的清扫轨迹
• 对比分析清扫效率

评测结果—简单场景

• 简单场景下VSLAM和激光SLAM效果接近
• ESLAM没有建图功能，路径规划较差

评测结果—中等场景

• 场景中有障碍物时，激光的优势开始体现
– 激光能直接探测到障碍物，视觉不能

评测结果—较复杂场景

• 场景中有较多障碍时，激光的优势明显

为什么要做扫地机？

• 现存市场大
– 2017年国内扫地机器人零售总额约50亿
– 2017年科沃斯销售28亿

• 市场持续快速增长
– 目前美国市场渗透率16%
– 中国沿海大城市渗透率4%， 内地0.5%
– 国内扫地机销售总额年增幅30+% (预计2022年总额200亿)
– 科沃斯扫地机单品毛利率45% (小米手机为5%)

为什么360有机会？

• 现有主流产品有明显劣势
– 绝大多数产品采用 ESLAM (轮速记+IMU)
– 激光方案极大提升用户体验

• 市场颠覆正在发生
– 科沃斯品牌优势不明显
– 国外品牌iRobot、 Dyson售价太高(￥8000+)
– 小米发展迅速，两年后占约10%市场份额

• 2016年9月刚发布第一代产品， 9个月后，京东1.7万评论，好评率100%
我们于2017年1月发布第一代产品， 2.5个月后，天猫0.7万评论，好评率99.5%

和小米的比较优势

• 都采用激光SLAM的规划式，高效率、无漏扫
• 360 S6采用扫拖一体设计提升新用户购买意愿
– 首次购买扫地机的用户中，选扫拖一体的多10%
– 小米二代扫地机采用同样的扫拖一体设计
• 360 S6可以软件指定禁区
– 独家功能，用户集中好评
• 性价比显著优于小米
– 功能与小米二代扫地机相同，价格1699 vs 2499

本文总结了扫地机的几种方案，综合以上分析来看，目前单线激光方案LSLAM占优势，360的扫地机器人就是采用此种方案，在清扫效果与用户体验上都有很好的成绩。

HULK一线技术杂谈

由360云平台团队打造的技术分享公众号，内容涉及云计算、数据库、大数据、监控、泛前端、自动化测试等众多技术领域，通过夯实的技术积累和丰富的一线实战经验，为你带来最有料的技术分享