从1956年人工智能诞生以来，大约在一个甲子的时间里，其实都在证明一件事——人机融合智能是人工智能的发展方向。
有人无机则“头脑发达，四肢无力”，有机无人则“四肢发达，头脑简单”，只有在人机融合的情况下，既可以利用AI算法进行数据分析和决策预测，也可以对AI算法的结果进行评估和调整，极大提升工作效率，同时也提升人工智能的应用价值和可靠性。换句话说，人机融合智能的意义就是让AI“落地”而非“炫技”。
而机器如何替代人类思考？在2023年的今天，人工智能早已悄无声息地进入我们的生活中。
先说个我们在网上“冲浪”时的常见场景：有没有觉得，一刷抖音就根本停不下来。这是因为机器学习算法中的推荐算法“猜”出了你的喜好，进行了精准“投喂”。
最近大火的妙鸭相机，只要上传一张正面半身照，和不少于20张的补充照片，就能一键生成像是古装写真、形象照、证件照等等各式各样的硬照大片。也属于人工智能的典型作品——AIGC（AI Generated Content），也就是人工智能创造内容。
事实上，人工智能正在潜移默化地渗透我们生活中的几乎每一个方面，或者是为我们的设备提供动力，或者是通过分析我们在这些设备上生成的数据，并提供决策。
人工智能技术就在我们身边。甚至我们说人工智能发展的方向——人机融合智能也已经随着家电行业的应用提前到来了。
2. 人机融合智能如何应用在生活家电中的？从最典型的扫地机器人说起...
随着物联网技术、硬件软件系统和人工智能技术的不断迭代，全屋智能正逐渐从概念层面走进现实生活。其实，“智能家电”的概念对于很多中国消费者来说都不陌生，然而实际上，到了人机智能融合时代，只有真正完成从“机器执行人的命令”到“机器代替人类思考”的转变的家电，才能真正地称之为智能。
在家电领域，智能性走在最前面的莫过于扫地机器人行业，从技术性看，扫地机器人所搭载的自然语言处理、自动驾驶等技术更加繁荣；从体验性看，扫地机器人已经突破单机智能，实现更丝滑的人机交互。作为多年扫地机器人用户，今年更是发现科沃斯X2在技术和体验上再一次升了一个级别。
机器如何替代人类思考？离不开机器学习算法、激光雷达等软硬件技术，这些技术替代了人类眼睛、手脚和脑子，实现了无需人类发出命令，即可实现感知、决策和执行的闭环。
在下文中，我们以科沃斯X2为例，剖析一下扫地机器人中的“黑科技”。
●半固态激光雷达——眼睛感知：看+了解
激光雷达是实现自动驾驶的先决条件，它通过发射和接收激光可以判断位置及路况，并且具有测距远、探测精度高、稳定性强等优势，成为自动驾驶必备传感器，因此也被形象地称为自动驾驶的“眼睛”。根据扫描方式的不同，激光雷达可以分为机械式、半固态和固态三种。
早期自动驾驶上所搭载的都是机械式激光雷达，但是由于成本和稳定性等问题，逐渐退出历史舞台，如今半固态激光雷达是现阶段L4级别以上自动驾驶领域的主流传感器方案。而在扫地机器人领域，传统的dToF机械式激光雷达和LDS机械式激光雷达也开始慢慢显示出它的缺点——凸起式设计影响了扫地机器人通过性及覆盖率。
为了提升扫地机器人整体性能，科沃斯X2自研双目半固态激光雷达，内置2组发射接受模组，实现了超过车载固态激光雷达120°的水平视场角，达到了210°超大视场角。这意味着它可以更全面、更准确地感知周围环境，包括障碍物的位置和距离，继而提高扫地机器人的避障能力和清洁效率。
具体来说，科沃斯X2基于半固态激光雷达测量周围障碍物的角度和距离等信息，并将这些信息与自身的移动能力相结合，通过即时导航和地图构建算法（SLAM）处理这些数据，构建出周围环境的地图。此外，超广角半固态激光雷达的快速采集速度和准确测量能力也可以提高扫地机器人的清洁效率，毕竟看得越广，它可越快地识别出周围的障碍物，避免碰撞，同时也可以更准确地判断清洁的最佳路线。
当然，因为这是扫地机器人行业第一次使用无人驾驶级别的半固态激光雷达，也很让人期待，从扫地机器人开始整个家电行业的变化。
●科沃斯AINA模型——脑子决策：理解+判断
无论在无人驾驶汽车还是机器人技术等领域，定位与建图(simultaneous ocation and mapping,SLAM)技术都是基础技术，并且基于视觉传感器的SLAM算法，不断出现了很多优秀的算法，但大部分传统算法在高动态环境下往往有建图不稳定和漂移现象。尤其在室内环境中，扫地机器人是在低动态和高动态结合的复杂动态环境下运行的，效果往往不是那么令人满意。
科沃斯AINA模型则由“深度学习”和“强化学习”两大AI技术组成，“深度学习”帮助扫地机器人更精准地识别复杂动态环境和提升避障能力，“强化学习”是一种机器学习算法，属于人工智能的一个分支，帮助扫地机器人提高自主决策能力，灵活地进行路径规划。
简单来说，科沃斯AINA模型的加入，让科沃斯X2极大提升了在复杂室内环境下避障效果及路径规划。为了可以精确地提取动态区域，基于RGBD传感器，将视觉+深度信息探测相融合，对动态区域进行跟踪和优化，继而提取稳定的动态区域，科沃斯AINA模型参与了全程的理解和判断，最终使扫地机器人的自主决策能力和适应性更强，可以根据路况的变化快速规划路线。这也是机器学习算法第一次融入到扫地机器人中。
https://www.zhihu.com/video/1675509042901131264
从实际使用体验来看，科沃斯AINA模型的加入，可以使得科沃斯X2做到连续的、极致的动态避障。比如在回充过程中，即使不断地给科沃斯X2增加非常临近的动态障碍物，科沃斯X2不会受到“打扰”，持续在寻找最优回充路径。
实际上，很多人都无法理解把人工智能等AI技术搭载到扫地机器人上会不会有些大材小用。这里举一个很简单的例子，一个普通的扫地机器人我们可以把它比做“小学生”，它没有接受过义务教育，也不具备“独立思考”“完成决策”的能力，因此它执行工作任务也都是“一次性”的，因为它记不住，也无法知道为什么要去执行工作任务。但是一个加载了人工智能的机器人就可以看成是一个“大学生”，它不仅学完了“知识”，还能根据对“知识”的理解“举一反三”，同时，还能记住前面所学的全部内容。也就是说，人工智能可以帮助扫地机器人规划出最优的路径，同时还能够不断学习和优化，以实现更好的清洁效果。
● 各项技术的集合——执行
一台扫地机器人如果想要代替人类思考继而自动完成作业，需要“认知”“决策”“执行”三个步骤。当然这也是自动驾驶的三个重要环节。
在认知层由半固态激光雷达等各类传感器完成，决策层依靠深度学习算法，而到了执行层，则更像是各项技术的集合体，让机器人呈现更强的清洁力，更智能地适应环境，更便捷的交互体验。基于机器学习算法、激光雷达等软硬件技术的升级，科沃斯X2在交互体验也更显智能。
（1）语音交互技术——YIKO 2.0
得益于其语音AI算法与视觉AI算法的深度融合。YIKO 2.0可以基于远场唤醒、动态降噪、回声消除、语义理解和语音合成等技术，结合强大的语音知识库和语音识别技术，更加准确地理解人们的意图，进一步转化为操作指令。
https://www.zhihu.com/video/1675509414491209728
（2）AIVI 视觉识别技术 ——室内定位&一键拖动定位
目前常见的室内定位技术包括FRID定位、红外技术、超声波技术、UWB定位技术以及视觉定位等，像是科沃斯X2基于AIVI 3D技术推出3D地图2.0，可以精准感知环境，快、准、稳完成3D建图。通过自动驾驶级的室内定位技术，轻而易举地完成家居场景的识别和避障动作，同时可以迅速构建家居知识图谱。
通过APP我们不仅可以查看机器人已构建的地图，甚至我们还可以在地图中直接拖动机器人进行定点打扫，机器人则根据家居图谱轻松执行。
https://www.zhihu.com/video/1675509572876562432
同时新增锁定地图功能，一键锁定，也不用担心地图自动更新和丢图的问题。
人机智能融合最大的爆发点和增长点就在智能家居领域。随着人工智能技术的不断发展，智能家居设备越来越普及，人机融合智能在该领域的应用也日益广泛。
其实从科沃斯X2中已经可见一斑，机器学习算法和半固态激光雷达两个“首次”，也使得扫地机器人实现了智能+交互+功能的全方位创新；智能语音交互技术可以让扫地机器人听懂人类的语言，并且高效完成执行。
尤其在今天中国，人工智能和群体智能的浪潮涌来，如何实现技术普惠？如何让技术进入老百姓的生活中，才是人工智能浪潮下最应该讨论的话题。或许我们可以说，科沃斯这种不断推动从“制造”到“智造”，不断推动从“技术”到“应用”的企业，已经给出了一张答卷。
最后奉上产品链接： |
