首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >撬开百亿蓝海,要成为物业安防机器人“头号玩家”还得干点啥?

撬开百亿蓝海,要成为物业安防机器人“头号玩家”还得干点啥?

作者头像
用户2908108
修改2019-08-20 11:16:54
4830
修改2019-08-20 11:16:54
举报
文章被收录于专栏:智能相对论智能相对论

近日,安保机器人初创企业Cobalt Robotics完成1300万美元A轮融资,事实上,“机器人+安防“概念早就不是新鲜名词了,王石早在2015年就在万科园区局部启用机器人巡逻保安。但从市场格局上来看,目前国内物业安防机器人的玩家并不多,称王称霸的头号玩家更是没有,市场正处于起步阶段。

不过数据上倒是很乐观,有个机构给出的数据都显示物业安防机器人正迎来爆发期。但智能相对论(ID:aixdlun)分析师雷宇认为,在爆发之前,还需要解决2大问题。

解决三大技术难题 筑起行业护城河

就技术角度而言,安防机器人主要有十大技术热点:导航定位、计算机视觉、目标跟踪、移动与运动控制、检查/巡检、算法、目标检测与识别、传感器、网络,人机交互。而这十大技术问题彰显的三个核心问题的无疑是移动底盘、机器视觉、智能语音的交互。

移动底盘:目前移动底盘产品相对成熟,可以应用到各种机器人身上,但是现阶段却没有成熟的SLAM(同步定位与地图构建)技术方案。针对机器人行走,大部分企业采用三维激光雷达SLAM方案,该理论比较成熟,产品落地也更加丰富,只有极少数采用3D视觉SLAM方案,适用于复杂动态场景,但对计算性能和算法要求很高。不管是激光雷达,还是3D视觉,从技术角度上讲,可以在任何室内环境下应用。

难点在于自主行走

SLAM方案中,有两个至关总共要的难点,第一个是多传感器的定位,地图构建是静态的,但机器人走动的时候,地图构建是动态的,这就需要通过多传感器的搭配去定位;第二个是多传感器之间的融合协调,由于它涉及到每个传感器的特性和数据处理,因此在协调上难度非常大。

去年七月美国发生了一场闹得沸沸扬扬的“安保机器人自杀案”,很可能就是因为多传感器出问题而产生导航错误一不小心自杀。

机器视觉:目前,机器人视觉的应用是众多人工智能企业集中攻坚的大热方向。机器人视觉的核心功能包括了更智能的空间与环境感知能力和视觉认知能力。理想情况是机器人植入深度视觉后,可以更精准得实现自动三维地图重建、自主规划行走路线及避障,轻松进行物体识别、人的身份识别等功能。但是应用到场景里,问题却不少。比如突然之间掉落一个东西成为一个障碍物,机器人的反应速度跟不上,可能会突然停止,或者机器人前面多几个人行走就可能会导致机器人行走速度会变得很慢,或者直接失灵。

目前市面上的深度视觉产品主要是深度摄像头。按技术分类,深度摄像头可分为以下三类主流技术:结构光、双目视觉和TOF飞行时间法。前两者受环境影响较大,后者成本高量产难还不够清晰。

智能语音智能语音识别一直是最头疼的问题。智能语音语义包含语音合成、语音识别和自然语言处理(NLP)三项主要技术。语音合成技术发展最早,基本没有太大技术问题;语音识别在2012年卷积神经网络(CNN)应用之后,准确率大幅提升,虽然效果和体验还不够理想,但也在C端、B端得到了广泛应用;NLP技术(词法分析、句法分析、语义分析)虽然在搜索引擎中早有应用,但在人机交互领域仍属于浅层处理。

这里有几个问题需要解决,首先是歧义消除,即机器在相关语境下是否能识别带多重含义的词语。比如灌水,既有往容器里注水的意思也有发表无意义帖子的意思。还有一个跟机器视觉类似的问题是,当机器前面多个人的时候(而这在社区显然是正常的情况),它是否依然能正常交流。这里有一个“鸡尾酒问题”亟待解决,“鸡尾酒会问题”显示了人类的一种听觉能力,能在多人场景的语音/噪声混合中,追踪并识别至少一个声音,在嘈杂环境下也不影响正常交流。

而从多模态交互的角度去看,如果在目前的智能语音技术上,再去扩展视频、图片、运动数据等素材非常困难,只能一对一单线操作,即语义处理语义,视频处理视频,如果要将其结合,现在还没有成熟的方案。

从理念导入实践,技术落地还需软着陆

中智科创机器人有限公司于2015年率先在国内开发安保巡逻机器人。其为户外全天候智能机器人,集高清摄像头、红外热成像、视觉激光导航、环境传感器、警灯装置于一身,具备国内最先进的自主导航技术、自主执行任务、24小时全方位音视频监控、异常情况自动报警等多种功能。据统计,一个安保巡逻机器人可以抵上2.4个安保人员执行巡逻任务。

2017年,青岛克路德机器人有限公司在华为全连接大会上推出了首款物业安保机器人,这台机器人具备自主巡逻,业主识别,紧急情况报警,险情预警,远程对讲、语音对话等功能,可以实现24小时自主巡逻。此款物业安保机器人已经在鑫苑集团旗下的鑫苑名家小区正式投入使用。入局的厂家很多,头号玩家却还未诞生,于是各家开始从最擅长的细分领域做起。

1、一步两步三步四步 望着天跨台阶

2017年,浙江国自机器人技术有限公司发布了一款名叫 TIGER的“智能安防机器人”,这款机器人可以巡逻,危机预警,查漏补缺,车辆管理,人脸识别,还可以语音交互。但是上不了台阶,最多只能爬个小斜坡。

无独有偶,武汉工控仪器仪表有限公司则在全力解决机器人上台阶的问题。该团队开发的“小卒一号”安防机器人头上装着4个摄像头,能在小区里自由行走,无需人工控制,提供全方位无死角监控保障,只需充电4小时,可以不间断巡逻8小时。

机器人很难识别小台阶等障碍物。需要开发针对性的算法和实地调试,才能保证机器人“通行无阻”。 需要技术人员实时监控机器人的步态数据,并在电脑上绘成一条坡度曲线,只有当坡度数据跟真实坡度曲线几乎完全重合时,一项小小的上下坡识别算法才算调试完成。

因此,物业安保机器人想要更上一层楼,需要从完整的上一层楼开始。

2.视觉SLAM方案:爱你不是一两天

2017年深圳市大道智创科技有限公司推出了一代产品“e巡 ”机器警长,是国内第一家采用视觉SLAM方案的安防机器人公司。该警长配备4路高清夜视摄像头360度实时全景监控,同时融合热成像系统、超声波阵列、红外阵列、TOF深度相机和平面激光雷达多传感器采集环境信息。通过视觉测距、视觉避障、VSLAM定位与环境重建以及人脸、车牌的识别与追踪进行视觉处理;定位上则以多传感器融合算法适应多种环境,定位误差小于10CM,航向误差小于1度。

上文提及,大部分企业采取三维激光雷达SLAM方案,但是激光雷达基本上都是引用国外产品,虽然产品稳定性较好,但是其成本高昂。视觉SLAM方案无疑是未来的发展方向。而就现在的技术而言,通过视觉构建出来的地图场景,更多的是一种或稀疏或者稠密的点云图,抓取的是技术的点的结构特征。连用到线的都很少,智能层次依然比较低。

未来需要和目前热火朝天的深度学习结合,对场景做到语义级别的理解,不光知道哪里是特征点、特征线、特征面,更要知道这是什么物体,什么场景,在大厅里还是小区外里。基于场景的识别能力、理解能力是提升机器人智能核心攻克的要点。

3.从0到1 从场景定制到经验复制

安保公司Unity Guard System(UGS)的全资子公司Unibot最近推出了防盗机器人,该机器人可以在流通行业的店内巡逻,通过面部识别系统认知顾客并打招呼。如果进行事先注册,机器人将呼唤顾客的名字,并能向店方发送提醒信息。

显然该项防盗技术可以广泛在物业安保机器人身上,社区相对商店是一个相对更为封闭的系统,而且对防盗的要求更高,相信未来可以在物业安保机器人身上大规模实现。

安保机器人的市场开拓依然是根据特定的场景,不管是产业园区、公安警用、商业楼宇等,每个商业场景的安防需求都是不一样的,但是只要完成场景里的某一个功能,那这个市场就能够打开,因为技术是具备可复制性的。

同时,机器人外形设计也应与应用场景相结合。犹记得去过一个机器人主题的餐厅,由于机器人实在太大了,走廊它在客人就过不去。让小情侣看到她就要分开走的除了教导主任应该就数她了。

不同场景对机器人的需求差异很大,因此在机器人的设计上,不管是功能还是外观都要依据场景需求而言。

总而言之,物业安防机器虽然还在起步期,但是大有可为,势必会是一片新蓝海。未来还将产生集成图像与视频精准识别、大数据挖掘、智能预警等多种技术的智能安防产品,为安防业的发展注入强劲的动力。服务机器人正慢慢走向从静态到动态,从被动到主动的发展趋势。我国物业管理正在迈入智能安防的时代,而在物业领域,人终将被抹去,如同大海边沙地上的一张脸。

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2018-04-09 14:42:05,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 智能相对论 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
语音识别
腾讯云语音识别(Automatic Speech Recognition,ASR)是将语音转化成文字的PaaS产品,为企业提供精准而极具性价比的识别服务。被微信、王者荣耀、腾讯视频等大量业务使用,适用于录音质检、会议实时转写、语音输入法等多个场景。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档