噱头大于实际？
扫地机器人的真实避障能力有几分？
避障功能作为扫地机器人的核心卖点之一，类似准确、智能、零误撞等词汇，基本是市面上大部分产品的常用词，但对于经过市场教育的消费者而言，显然并不完全同意。
随着避障技术不断升级，扫地机器人从最初的碰撞式避障进化到“主动”避障，避障表现可以说得到了跨越式提升，面对各种家具、鞋类、电器等常见物体都能够有效应对，但真实的家庭环境下，障碍物种类更加复杂多样，仍存在较多让扫地机器人“汗流浃背”的障碍物，一旦遇到往往需要听天由命，时常出现缠绕、卡死、碰撞等情况。
这些障碍物可以简单分为低矮类（儿童积木、线团、桌椅底座等）、全高类（桌子/沙发底架等）、高反类（镜子、玻璃杯等）。
从技术角度来看，目前大多数产品基本采用激光雷达避障技术，虽然优点延迟低，效果稳定，准确度高，成本也较低，但缺点也较明显，受限于激光雷达布局，有探测盲区，容易对低矮障碍物产生误判，且无法规避玻璃等高反物体，同时激光雷达无法识别语义的天然缺陷，也导致无法实现策略化的智能避障。
挑战不可能，看视觉方案表现几何？
作为视觉技术起家的机器人技术公司，INDEMIND在家用方向一直坚持纯视觉路线，并全栈自研推出「家用机器人AI Kit」机器人解决方案。该方案以INDEMIND自研的INDEMIND OS Lite家用机器人AGI系统为核心，搭配面向家用小型机器人专门研发的一体化立体视觉模组，可实现家用机器人导航定位、智能避障、路径规划、决策交互等核心功能。
面对那些让扫地机器人“汗流浃背”的障碍物，搭载「家用机器人AI Kit」的机器人又能表现几何？
在测试中，INDEMIND模拟了一个真实的家庭场景，并通过放置不同障碍物进行了多种障碍物挑战。
低矮类（儿童积木、线团、桌椅底座等）
全高类（桌子/沙发底架等）
高反类（镜子、玻璃杯等）
经过多次严格测试，机器人面对这三类障碍物均能准确稳定避障。
纯视觉稳定避障的秘密
虽然视觉方案潜力巨大，但算力要求也较高，且精度和稳定性也较差，对于一台消费级的产品，过高的算力要求显然不现实。为了解决算力和稳定性问题，INDEMIND不仅在算法上实现了VSLAM和深度学习模型轻量化，还通过配合硬件采用CPU（NEON）、GPU、NPU算法加速技术，有效降低了平台的计算压力，目前已能够在几美金的计算平台实现稳定运行建图、导航、避障等任务逻辑。
与此同时，基于INDEMIND研发训练的物体识别卷积神经网络模型，可以准确识别家用场景中的低矮障碍物（例如：动物粪便、拖鞋、钥匙串、线材、地插等）、透明玻璃容器类障碍物、动态障碍物（人、宠物）等等，自研的智能决策引擎可结合物体识别信息根据物体分类进行避障，可以有效避开动物粪便、拖鞋等特定障碍物，识别策略可配置，目前精度可达1%，最小尺寸1cm。
此外，面对光线影响问题，INDEMIND还开发了一套系统化环境补光策略，包含主动式环境补光配置和光照变化条件下的建图策略，在实际表现中，面对强光直射、无光源、昏暗等特殊光照环境均能无差异工作，满足全天候作业要求。