移植一些无人技术方案来开发扫地机器人，这几年逐渐成为一个比较新的现象。

　　其实两者是相通的——毕竟“无人”车也可以看作“轮式移动机器人”，通过车载传感器构建高清地图，自动规划行驶路线，从而达到“无人驾驶”的目的。

　　而且，“无人驾驶”还是一个比较宽泛的定义。根据国际自动化机械工程师协会(SAE)的标准，L0-L5目前有六个级别:

　　L1代表辅助驾驶和预警系统功能，如车道外警告;L2代表部分自动驾驶，并协助自动驾驶辅助系统的功能，如自适应巡航，紧急自动刹车，车道保持援助;L3代表有条件自动驾驶，在辅助干预的基础上增加自动加速、自动刹车、自动转向;

　　L4代表高度自动驾驶。这个级别可以做到完全没有人类驾驶员，或者没有方向盘，油门，刹车踏板等。，但限制了行驶区域和环境;L5是全自动驾驶的理想选择，没有驾驶员，没有方向盘，没有油门，没有刹车踏板，没有禁区。

　　目前，无论是低阶L1和L2还是高阶L3、L4和L5，都需要传感器来监控驾驶环境和驾驶条件。随着方案的升级，对传感器的依赖性越来越大。目前很多生产车型都有L1和L2的自动驾驶能力，甚至有的厂家还有L3自动驾驶能力。

　　由此，业界在自主驾驶技术路径的研发中，为不同世代的传感器应用产生了大量的技术成果，相应的算法和决策层的软件也有多次迭代。把一些成型的方案移植到扫地机器人身上是理所当然的。

　　以扫石机器人T7Pro为例，它是一款微型、微型无人“车”，采用AI双目视觉模块，由两个500W像素120广角摄像头、红外补光、充电传感器等设备组成。就像无人驾驶汽车一样，全身覆盖着传感器，依靠传感器感知外界环境。

　　在无人驾驶领域，汽车多摄像头、全景摄像头、毫米波雷达、超声波传感器，甚至驾驶室内的驾驶状态监控摄像头在工作过程中都会产生大量的数据，因此数据中心需要对数据进行毫秒级运算分析，以获得准确安全的路线。

　　我们也可以在Stone扫地机器人T7Pro上看到肩负这个任务的“大脑”——它搭载高通8核处理器平台，计算能力大致相当于Snapdragon625，在扫地机器人这样的产品中相当强悍。

　　因此，结合高计算能力的处理器平台，石头清扫机器人T7Pro可以通过双目立体视觉技术和AI物体识别技术获取环境深度信息。同时，利用卷积神经网络深度学习进行人工智能对象识别，根据障碍物类别和深度信息判断避障策略，准确避障。

　　经过大量的AI学习，石头扫地机器人T7Pro已经实现了9种常见障碍物的识别，包括鞋子、底座、磅秤、配线架、线球、屎、袜子、尘盘、U型椅等各种。

　　例如，如果清洁路线上有一个接线板，扫地机的摄像头会捕获该图像信息并将其反馈给处理器平台。成功识别为“配线架”后，自行减速，然后绕过障碍物，可以大大提高清洁效率。

　　简单来说，一度很高的无人化技术方案并不是今天无法触及的神秘领域，未来扫地机器人必然会有越来越高的技术含量，从而打造出有别于传统产品的差异化形态，给用户生活带来更好的体验。