今天也看到非常非常多的前端傳感器公司在開發FPGA，包括在DSP還有自己的SOC上進行開發，都是朝著芯片的專用化包括算法的專用化和模塊化方向上做。在整個VSLAM系統里面如何去選取到不同的市場特征點，作為整個坐標原點，我們的視覺算法和單純的依靠成績碼盤的服務機器人做的整個視覺效果的對比，對于SLAM系統里面分了前端后端兩塊。最主要的一塊是后端進行回還檢測，整個服務機器人里面剛剛蒲立學長講過，我們遇到即使是今天的會場環境下，有非常非常多的環境問題，包括毛毯、地毯、上下斜坡，這樣過程當中我們所用到的貫導儀器失靈的程度非常大，我們必須依賴其它傳感器的融合來幫助服務機器人進行作業和執行任務過程當中解決定位精度和零偏漂移的問題，我們應用的是視覺的辦法。藍色的線是我們今天看到的視覺，除了進行回還檢測，在局部特征的時候基于所有的市場特征進行全部回還的優化。

速感科技推出的掃地機器人視覺傳感器

作為今天而言，現在的云計算成立更多成為大家所用的功能，在今年的6月份美國IROBOT掃地機器人廠商發布最新的如何利用深度學習，后端云計算和前端服務機器人進行更好地有機結合。首先在第一步可以利用視覺SLAM算法對家庭地圖進行構建，視覺加載了比其它二維線狀、激光、雷達，慣性測量單元更具備的圖象信息，所以在地圖構建過程當中可以進行嵌入式本地化的特征場景識別，包括識別到家庭里面的沙發、家庭里面的電視。第三步，可以基于這些特征點把這些高維的特征點通過深度學習的方式上傳到我的云端進行云端的更深層次的理解，包括場景語義的理解，場景的分割和地圖標簽的標注。

最后一點，服務機器人可以基于云端深度學習的理解，對家庭場景進行更深層次的理解，從而對家庭場景達到特定任務的執行。今天的掃地機器人按下開關進行全覆蓋式的路徑規劃，今天以后在Irobot可以有針對性進行特定點、特定場景的工作和作業。我們在今年的5月份面向全部的下游客戶推出來掃地機器人視覺關鍵部件，剛剛提到對于掃地機器人從過去的17年左右的時間一共分為三代掃地機器人。第一代掃地機器人做類布朗形式的亂撞，不會搭載任何傳感器，碰到墻壁就會旋轉135度進行下一個位置的清掃和作業。第二代掃地機器人，隨著工作時間的累計和增加，陀螺儀、碼盤的數據隨著飄移的程度越來越大，我們在今年5月份推出第三代掃地機器人關鍵傳感器，讓整個掃地機器人和未來服務的服務機器人達到更低功耗的智能行走，有效降低漏掃率和重復清掃。

在工業的場景里面，WSC會議上也有一些下游的合作廠商利用我們的SLAM定位控制器幫助現在的做HV的廠商解決在物料運輸過程當中HV的自然導航和有特征點和有mark點的相關信息，SLAM最核心的應用場景基于消費核工業的兩個場景。

最后介紹一下我們的整個產品系列，我們是做一家toB的解決方案廠商，面向下游的客戶提供了包括消費級的核心傳感器、工業級的導航定位控制器，我們和英特爾合作的服務機器人開發控制平臺，這樣一個開發控制平臺在過去一年多的時間里面已經幫助國內的30多家服務機器人廠商解決了它們服務機器人商用具體場景里面的場景對接和場景落地問題。

謝謝！