道路千万条，安全第一条，如何让机器人更安全？

停的住，停的稳，该避就避，该停就停。

商用机器人实现落地的前提有很多，但安全问题毫无疑问是重中之重。尤其随着机器人的应用场景开始向复杂化、小型化方向拓展，对机器人的安全能力要求更是与日俱增。如何保证机器人在场景中安全稳定运行，成为了行业较大的难题。

 

从市场调查看到，商用场景有着场景复杂、人员流动性大等特征，机器人面对商用场景中常见的高透类障碍物（玻璃护栏、玻璃墙等）、高危场景（自动扶梯、转门等）以及超市中的狭窄通道、货架等类似障碍物或场景，加之行人的随机性，往往有着极大挑战，导致避障“失灵”的情况常有发生。

作为国内最大的机器人技术公司之一，INDEMIND在长期研发中，一直把安全技术放在核心，通过大胆尝试前沿视觉技术，积累了大量先进经验。目前，在安全技术研发上，得益于视觉导航技术路线的天然优势，INDEMIND开发了一套独有的安全决策引擎。通过从传感器、识别算法、语义地图、策略执行4个层面出发，建立各单元联动机制，充分释放系统硬件潜力，显著提升机器人的安全表现。

l 多传感器融合，提升信息获取能力：传感器采用双目视觉模组、Lidar、ToF、跌落传感器、碰撞传感器；

l AI识别算法，精准识别场景信息：基于ToF 3D数据，基于camera 2D环境图像数据、基于Lidar 2D平面数据等的物体及场景识别及基于跌落、碰撞等传感器的概率判别；

l 3D语义地图，赋予“人眼”感官：基于识别得到的语义信息结合机器人位姿信息，构建环境语义地图；

l 策略执行，模仿“人脑”决策：对构建的语义地图叠加决策属性信息，进行安全决策执行。

同时，INDEMIND拥有超过100个使用场景的海量数据，对不同商用场景有着深度理解，并基于此分类做了整体化安全策略，机器人无需再根据不同场景做针对性处理，缩短安全决策流程，大大提升机器人的适应能力及作业效率，如行人识别及规避的安全策略、跌落场景识别及规避的安全策略等。

需要提到的是，市面上大多数机器人的避障方案主要是借助激光、ToF、结构光、双目等传感器采集场景内障碍物的点云信息，构建场景栅格地图，然后对障碍物进行避障，此类方案虽然能够实现避障，但主动性不足，反应较为呆板，“能用”却不“好用”。同时，还存在传感器成本高（多线激光雷达）、视场角小（如ToF）等问题。

不只是字面上的领先

实际场景中，环境变化有很大的不可预测性，随时插路的行人、钻出的儿童车、玩具、抛物或跌落物等等，机器人需要具备灵敏的随机应变能力，做到停的住，停的稳，该避就避，该停就停。而INDEMIND在技术上实现了实时检测抛物、行人、快速移动物体外，还能够实时进行潜在风险判断（行人等），并根据风险分类，提前做出规避策略，实现主动安全。

• 行人汇入，稳健规避

 

• 滚动玩具，果断急停

 

• 闯入运行路线的儿童车，稳健规避

 

• 抛物急停和避障

 

 

对于让机器人头疼的高反障碍物，如玻璃护栏等，是最难解决的难题之一，由于玻璃透光性高，激光传感器难以正常工作，往往需要融合其他传感器，如超声，不过因为技术研发难度较高，市面上并没有太多成熟的技术方案。而INDEMIND基于多年积累，在高反障碍物避障方面实现率先突破。

• 全玻璃过道，稳健通过，实现行业领先

 

• 移动玻璃，实时规避

 

• 透明高台，稳健防跌

 

与此同时，对于拥有展台这类顶部延伸的蘑菇场景，也是机器人避障过程中的一大难点，INDEMIND对这类物体同样进行了避障适配。

• 蘑菇场景，稳健规避

 

此外，面对不同光线条件，机器人同样能够稳定避障。基于INDEMIND的强光规避策略和硬件上内置的亮度补光、纹理补光两种红外补光设备（均符合人眼安全等级C1等级要求），机器人满足强光直射、无光源、昏暗等特殊光照环境下的无差异工作要求。

 

 

审核编辑 黄宇