撬開百億藍海，要成為物業安防機器人「頭號玩家」還得干點啥？

文丨雷宇

來源 | 智能相對論（aixdlun）

近日，安保機器人初創企業Cobalt Robotics完成1300萬美元A輪融資，事實上，「機器人+安防「概念早就不是新鮮名詞了，王石早在2015年就在萬科園區局部啟用機器人巡邏保安。但從市場格局上來看，目前國內物業安防機器人的玩家並不多，稱王稱霸的頭號玩家更是沒有，市場正處於起步階段。

不過數據上倒是很樂觀，有個機構給出的數據都顯示物業安防機器人正迎來爆發期。但智能相對論（ID：aixdlun）分析師雷宇認為，在爆發之前，還需要解決2大問題。

一、解決三大技術難題 築起行業護城河

就技術角度而言，安防機器人主要有十大技術熱點：導航定位、計算機視覺、目標跟蹤、移動與運動控制、檢查/巡檢、演算法、目標檢測與識別、感測器、網路，人機交互。而這十大技術問題彰顯的三個核心問題的無疑是移動底盤、機器視覺、智能語音的交互。

移動底盤：目前移動底盤產品相對成熟，可以應用到各種機器人身上，但是現階段卻沒有成熟的SLAM（同步定位與地圖構建）技術方案。針對機器人行走，大部分企業採用三維激光雷達SLAM方案，該理論比較成熟，產品落地也更加豐富，只有極少數採用3D視覺SLAM方案，適用於複雜動態場景，但對計算性能和演算法要求很高。不管是激光雷達，還是3D視覺，從技術角度上講，可以在任何室內環境下應用。

難點在於自主行走。

SLAM方案中，有兩個至關總共要的難點，第一個是多感測器的定位，地圖構建是靜態的，但機器人走動的時候，地圖構建是動態的，這就需要通過多感測器的搭配去定位；第二個是多感測器之間的融合協調，由於它涉及到每個感測器的特性和數據處理，因此在協調上難度非常大。

去年七月美國發生了一場鬧得沸沸揚揚的「安保機器人自殺案」，很可能就是因為多感測器出問題而產生導航錯誤一不小心自殺。

機器視覺：目前，機器人視覺的應用是眾多人工智慧企業集中攻堅的大熱方向。機器人視覺的核心功能包括了更智能的空間與環境感知能力和視覺認知能力。理想情況是機器人植入深度視覺後，可以更精準得實現自動三維地圖重建、自主規划行走路線及避障，輕鬆進行物體識別、人的身份識別等功能。但是應用到場景里，問題卻不少。比如突然之間掉落一個東西成為一個障礙物，機器人的反應速度跟不上，可能會突然停止，或者機器人前面多幾個人行走就可能會導致機器人行走速度會變得很慢，或者直接失靈。

目前市面上的深度視覺產品主要是深度攝像頭。按技術分類，深度攝像頭可分為以下三類主流技術：結構光、雙目視覺和TOF飛行時間法。前兩者受環境影響較大，後者成本高量產難還不夠清晰。

智能語音：智能語音識別一直是最頭疼的問題。智能語音語義包含語音合成、語音識別和自然語言處理（NLP）三項主要技術。語音合成技術發展最早，基本沒有太大技術問題；語音識別在2012年卷積神經網路（CNN）應用之後，準確率大幅提升，雖然效果和體驗還不夠理想，但也在C端、B端得到了廣泛應用；NLP技術（詞法分析、句法分析、語義分析）雖然在搜索引擎中早有應用，但在人機交互領域仍屬於淺層處理。

這裡有幾個問題需要解決，首先是歧義消除，即機器在相關語境下是否能識別帶多重含義的詞語。比如灌水，既有往容器里注水的意思也有發表無意義帖子的意思。還有一個跟機器視覺類似的問題是，當機器前面多個人的時候（而這在社區顯然是正常的情況），它是否依然能正常交流。這裡有一個「雞尾酒問題」亟待解決，「雞尾酒會問題」顯示了人類的一種聽覺能力，能在多人場景的語音/雜訊混合中，追蹤並識別至少一個聲音，在嘈雜環境下也不影響正常交流。

而從多模態交互的角度去看，如果在目前的智能語音技術上，再去擴展視頻、圖片、運動數據等素材非常困難，只能一對一單線操作，即語義處理語義，視頻處理視頻，如果要將其結合，現在還沒有成熟的方案。

二、從理念導入實踐，技術落地還需軟著陸

中智科創機器人有限公司於2015年率先在國內開發安保巡邏機器人。其為戶外全天候智能機器人，集高清攝像頭、紅外熱成像、視覺激光導航、環境感測器、警燈裝置於一身，具備國內最先進的自主導航技術、自主執行任務、24小時全方位音視頻監控、異常情況自動報警等多種功能。據統計，一個安保巡邏機器人可以抵上2.4個安保人員執行巡邏任務。

2017年，青島克路德機器人有限公司在華為全連接大會上推出了首款物業安保機器人，這台機器人具備自主巡邏，業主識別，緊急情況報警，險情預警，遠程對講、語音對話等功能，可以實現24小時自主巡邏。此款物業安保機器人已經在鑫苑集團旗下的鑫苑名家小區正式投入使用。入局的廠家很多，頭號玩家卻還未誕生，於是各家開始從最擅長的細分領域做起。

1、一步兩步三步四步 望著天跨台階

2017年，浙江國自機器人技術有限公司發布了一款名叫 TIGER的「智能安防機器人」，這款機器人可以巡邏，危機預警，查漏補缺，車輛管理，人臉識別，還可以語音交互。但是上不了台階，最多只能爬個小斜坡。

無獨有偶，武漢工控儀器儀錶有限公司則在全力解決機器人上台階的問題。該團隊開發的「小卒一號」安防機器人頭上裝著4個攝像頭，能在小區里自由行走，無需人工控制，提供全方位無死角監控保障，只需充電4小時，可以不間斷巡邏8小時。

機器人很難識別小台階等障礙物。需要開發針對性的演算法和實地調試，才能保證機器人「通行無阻」。 需要技術人員實時監控機器人的步態數據，並在電腦上繪成一條坡度曲線，只有當坡度數據跟真實坡度曲線幾乎完全重合時，一項小小的上下坡識別演算法才算調試完成。

因此，物業安保機器人想要更上一層樓，需要從完整的上一層樓開始。

2.視覺SLAM方案：愛你不是一兩天

2017年深圳市大道智創科技有限公司推出了一代產品「e巡 」機器警長，是國內第一家採用視覺SLAM方案的安防機器人公司。該警長配備4路高清夜視攝像頭360度實時全景監控，同時融合熱成像系統、超聲波陣列、紅外陣列、TOF深度相機和平面激光雷達多感測器採集環境信息。通過視覺測距、視覺避障、VSLAM定位與環境重建以及人臉、車牌的識別與追蹤進行視覺處理；定位上則以多感測器融合演算法適應多種環境，定位誤差小於10CM，航向誤差小於1度。

上文提及，大部分企業採取三維激光雷達SLAM方案，但是激光雷達基本上都是引用國外產品，雖然產品穩定性較好，但是其成本高昂。視覺SLAM方案無疑是未來的發展方向。而就現在的技術而言，通過視覺構建出來的地圖場景，更多的是一種或稀疏或者稠密的點雲圖，抓取的是技術的點的結構特徵。連用到線的都很少，智能層次依然比較低。

未來需要和目前熱火朝天的深度學習結合，對場景做到語義級別的理解，不光知道哪裡是特徵點、特徵線、特徵面，更要知道這是什麼物體，什麼場景，在大廳里還是小區外里。基於場景的識別能力、理解能力是提升機器人智能核心攻克的要點。

3.從0到1 從場景定製到經驗複製

安保公司Unity Guard System(UGS)的全資子公司Unibot最近推出了防盜機器人，該機器人可以在流通行業的店內巡邏，通過面部識別系統認知顧客並打招呼。如果進行事先註冊，機器人將呼喚顧客的名字，並能向店方發送提醒信息。

顯然該項防盜技術可以廣泛在物業安保機器人身上，社區相對商店是一個相對更為封閉的系統，而且對防盜的要求更高，相信未來可以在物業安保機器人身上大規模實現。

安保機器人的市場開拓依然是根據特定的場景，不管是產業園區、公安警用、商業樓宇等，每個商業場景的安防需求都是不一樣的，但是只要完成場景里的某一個功能，那這個市場就能夠打開，因為技術是具備可複製性的。

同時，機器人外形設計也應與應用場景相結合。猶記得去過一個機器人主題的餐廳，由於機器人實在太大了，走廊它在客人就過不去。讓小情侶看到她就要分開走的除了教導主任應該就數她了。

不同場景對機器人的需求差異很大，因此在機器人的設計上，不管是功能還是外觀都要依據場景需求而言。

總而言之，物業安防機器雖然還在起步期，但是大有可為，勢必會是一片新藍海。未來還將產生集成圖像與視頻精準識別、大數據挖掘、智能預警等多種技術的智能安防產品，為安防業的發展注入強勁的動力。服務機器人正慢慢走向從靜態到動態，從被動到主動的發展趨勢。我國物業管理正在邁入智能安防的時代，而在物業領域，人終將被抹去,如同大海邊沙地上的一張臉。

智能相對論（微信id:aixdlun）：深挖人工智慧這口井，評出鹹淡，講出黑白，道出深淺。重點關注領域：AI+醫療、機器人、智能駕駛、AI+硬體、物聯網、AI+金融、AI+安全、AR/VR、開發者以及背後的晶元、演算法、人機交互等。