关于机器人状态估计(12)-VIO/VSLAM的稀疏与稠密

VIO三相性与世界观室内ALL IN ONE 首先以此链接先对近期工作的视频做个正经的引流，完成得这么好的效果，仅仅是因为知乎限流1分钟以内的视频，导致整个浏览量不到300，让人非常不爽。

这套系统已经完成了，很快将正式发布，室外180米实测平移偏差也控制在了0.6%左右，最后1米上下徘徊，旋转无偏。标题其实和今天的文章关系不大，主要是梳理下稠密和稀疏的重点落地与应用。

先列一下最近的一些工作背景上的思考：

在接下来的 10 年，机器人融合融态感知即将迎来剧烈的变化，尤其是以视觉为主的融合融态感知，随着成本的降低与性能的提升，将广泛应用于导航面与操作面，为社会带来深远的变化。想象一台能为老年人完成 30+种养老服务任务并进行交流互动的 robots，在 5-10 年这个阶段不再是科幻。接下来 1-5 年内单任务/少任务/集群式机器人也将在我们的工业面和社会面广泛的被使用，不仅仅是特斯拉，DJI等。

但是我国在机器人领域其实与北美差距仍然很大，看似供应链强大，但大量机器人仍然 停留在中低端领域，先不提具体操作和任务面(离全面通过机器人内感知系统完成仍然有很大的距离)，就以最基本的导航和定位面(SLAM)仍然高度依赖线扫雷达与固态雷达。以 SKYDIO 为例，DJI 作为龙头多年早已构筑了核心优势市场，但是 SKYDIO 仍然通过与 Nividia 与 CUDA 生态的深绑定，北美优秀高校专业人才，通过强大的 VIO 与其机体世界观构建技术开始了对 我国巨头“弯道”超车之旅。

SLAM 面首先应该极致的完成，这样各种机体才能真正进入任务面，进入自感知任务面后，我们才有机会真正在边缘端大量完成自感知多任务 Robots 系统。而这一块，将是未来真正的蓝海，同时机会属于中国。