入坑容易，玩出彩難。

一直以來，關于純視覺自動駕駛的爭議，始終挑撥著業內的神經。不斷引發專業人士的“友好討論”，甚至頭部車企的創始人直接下場對線。但正如沒有人能準確預知未來一樣，在即分高下也決生死的緊張氛圍下，總有一方會被回旋鏢打到自己。

馬斯克的篤定，小鵬的“背刺”

當FSD問題纏身，馬斯克卻篤定自動駕駛純視覺就是終極答案，說出融合激光雷達完全毫無意義，注定失敗的言論時，已經無需猜測在行業中所能引起的爭議有多大。

在2021年，特斯拉突然宣布FSD的V9.0 beta測試版宣布采用純視覺方案，行業內的質疑聲隨之再起，但這些聲音絲毫沒有影響到馬斯克的計劃，隨后便上市了不再配備毫米波雷達的Model 3和Model Y。

正如不管你是天才還是普通人都會栽跟頭一樣，這次輪到了馬斯克，當年11月份便召回了1.1萬輛車，重要原因便是純視覺的表現沒有達到預期。一時間，純視覺不可靠的聲音甚至把特斯拉團隊搞得“自我懷疑”。

然而時至今日，隨著V12版本的發布，純視覺方案的口碑似乎一夜得到了逆轉，其表現出的智駕表現不僅獲得了大部分人的認可， 還有融合方案忠實擁躉的“背刺”。

前段時間，何小鵬在美國親測FSD之后，宣布轉向純視覺。隨后業內便曝光了小鵬新車P7+棄用激光雷達。小鵬是國內智能駕駛的領頭羊，同時也是融合方案的技術代表，這一突然的轉變，不僅引發國內的熱議，也讓馬斯克忍不住評論三點。

事實上，小鵬的轉向并非突然，在此之前，業內人士便已曝出激光雷達在去年就沒有進入小鵬的BEV網絡進行訓練，只是在XNet給出感知結果之后，進行識別距離的二次確認。同樣，有plan B的不只是小鵬，每家車企都不會固步自守地堅持一個技術路線。諸如華為、蔚來、小米、極越等車企都已在嘗試及應用純視覺方案。因此到今天，當純視覺逐漸被接受，二者的爭議顯然已經不再重要。

純視覺，適合機器人嗎？

機器人作為自動駕駛汽車的孿生兄弟，在技術層面有著極大的相似性，均需要通過強大的感知模塊獲取環境信息，這意味著視覺方案對于機器人有著同樣的天然優勢。然而優勢歸優勢，雖是孿生子，差異性同樣很多。

一方面，視覺方案能獲取豐富的環境信息，卻也需要消耗極大的計算資源。與汽車搭載的車規級硬件相比，機器人顯然做不到。在無論家用機器人還是商用機器人都大打價格戰的今天，廠商們無不為了降本增效絞盡腦汁，如果僅是為了應用視覺方案，從而提升整機成本，顯然并不現實。

另一方面，自動駕駛面臨的真實環境，大多為標準性的，包含標準的交通信號、路面標示、行駛準則等等，而機器人面對的環境相對更加多樣，且具有非標性，環境適應能力需要更強。

因此，在保障整體性能的前提下，有效降低算力要求是機器人不同于汽車的第一步。

其次，隨著機器人發展趨勢回歸產品本身，智能化升級成為了核心競爭力。機器人不僅需要具備更穩健的適應能力，還需要具備智能避障、AI識別、人機交互、智能作業、多機協作、智能梯控等等。此外，對于不同領域的機器人，還需要練就獨有的“絕活”，如清潔機器人的臟污檢測能力。

針對這些需求，視覺方案還需要給出自己的答案。

玩轉純視覺，INDEMIND的答案

作為視覺技術起家的機器人技術公司，從早期的視覺模組產品，到如今的機器人視覺解決方案，INDEMIND一直堅信著視覺技術的潛力。

相較于行業內對于視覺方案的剖析，作為入局者的INDEMIND有著更深刻的體會。面對層出不窮的技術難題，不斷投入，敢于創新是保持持續進化的關鍵。隨著核心技術鏈不斷成熟，目前已實現純視覺方案家用機器人和商用機器人全適配。

在研發過程中，針對算力難題，INDEMIND為此研發了多種輕量化技術，輕量化VSLAM（基于深度學習特征的SLAM架構）、輕量化Depth（基于深度學習特征匹配的Depth）、輕量化深度學習模型（底層算子自研、剪枝、量化），同時還在硬件上，對于視覺處理采用NEON加速、GPU加速、DSP加速等方式，提升計算性能。

目前，在掃地機器人方向，INDEMIND視覺方案搭載4核A53/A55級別芯片即可滿足需求，能夠適配如RK3566、VicoreTek 6601/6801等（全解決方案情況下，雙目視覺多傳感器融合SLAM、雙目Depth、物體識別及整機完整SDK）。

在環境適應方面，INDEMIND視覺方案可實時自主創建及更新全場景二維地圖、三維地圖及語義地圖，顯著提升機器人的場景適應能力。同時，INDEMIND擁有超過100個使用場景的海量數據，對于清潔、配送、導覽、安防等多種工作場景有著深度理解，進一步提升機器人的環境自適應能力。

特別需要說到的是，搭載INDEMIND視覺方案的商用機器人可以做到無需預部署，開機即用，這與現有產品有著明顯區別。

INDEMIND還開發了一套系統化環境補光策略，包含主動式環境補光配置和光照變化條件下的建圖策略，在實際表現中，面對強光直射、無光源、昏暗等特殊光照環境均能無差異工作，滿足全天候作業要求。

為了提升智能表現，INDEMIND基于設備端、云端智能決策平臺、大數據平臺三端，建立了一套智能決策引擎，能夠在語義層次上理解環境信息，模仿人類大腦對環境理解的方式，并進行策略處理，實現智能避障、人機交互、智能作業等多種業務邏輯。同時，基于關鍵數據能夠不斷更新算法模型，持續提升場景處理和問題應對能力。

值得一提的是，INDEMIND還研發了以視覺圖像算法配合融合攝像頭及主動補光策略構建而成的臟污識別技術，在實際表現上，目前已能夠達到平均臟污檢出率99%以上（包含常見固體、液體臟污），支持任何地面材質、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，是目前行業極少成熟且性能優異的技術方案。

新技術的出現，總會面臨著爭議，但與此同時，我們也需要做好接受新事物的準備。

審核編輯 黃宇