在全球經濟面臨勞動力短缺的背景下，加之疫情的進一步催化，服務機器人取得了蓬勃發展，預計2022年，全球服務機器人市場規模将達到217億美元，然而盡管如此，在高速發展之下，機器人的行業滲透率卻并未明顯提高，究其原因在于紅利之後，機器人的規模化商業落地過程走的并不順利。
來源：INDMEIND
商業化落地的前提是産品能否提供真實價值，而真實價值的判斷在于産品能否适用場景。從市場回報來看，大多數服務機器人都有着或多或少的“水土不服”問題，如無法适應環境變化，環境變化後，終端使用者無法簡單操作實作場景适配；智能化程度低，行人避障及功能表現不理想；部署困難，需要專業教育訓練人員部署等。造成這些問題的原因也有多個方面：
工況複雜。
在實際運作過程中，遺漏作業、避障失靈等問題頻發，而環境的複雜性是重要原因之一。以常見的商超場景為例：
• 場景内部複雜，如場景中镂空的貨架（全高類障礙物）、狹窄的通道、易跌落區域、高低矮障礙物及臨時的攤鋪等對機器人通過性、感覺能力、貼邊能力、任務規劃能力挑戰巨大。
• 動态變化，場景内人流量大，易聚集，動态障礙物較多，考驗機器人的安全避障能力。
• 特殊物體較多，如玻璃護欄、自動扶梯、玻璃轉門、玻璃牆等高透物體大多數機器人基本無法識别，且容易對雷射雷達容易産生幹擾，導緻機器人誤判，發生碰撞、跌落、無法靠近作業等情況。
同時，場景的光線環境變化對于機器人的“眼睛”系統同樣影響極大，對于依賴視覺傳感器的機器人來說，想要在普通光線、黑暗、過曝等光照條件都能穩定運作并非易事。
智能化程度低，機器人在作業、避障等方面表現呆闆、程式化，且動态（行人）避障效果不理想。
針對各種不同環境不能靈活處理，對于特殊場景處理較差。場景内部不同區域作業要求不同，如商超場景中的飲食區，水産區、果蔬、熟食區更易産生垃圾、積水，這就要求機器人能夠根據區域特性提高作業頻率等不同智能化作業。
面對場景的高動态性，機器人要能夠識别及預測行人動态，并主動避讓，而目前現有的機器人大多為被動避障，反應較為呆闆，智能性不足，導緻避障失敗的情況時有發生，機器人應具備實時判斷潛在風險的能力，提前做出規避。
部署效率低，需要專業教育訓練人員部署。
機器人部署流程複雜困難（如SLAM建圖、目标點标注等），所有部署操作隻能由機器人公司特殊教育訓練的現場部署工程師執行，使用者難以操作及參與，且當需要變更時，仍需現場部署工程師進行操作。機器人企業往往需要搭建部署團隊，這樣的做法顯然會進一步加大投入成本。
來源：INDMEIND
在服務機器人行業競争進入下半場的今天，毫無疑問，這些問題的解決将是規模化落地的關鍵。此外，由于高昂的成本，較低的人工替代價值，也導緻終端客戶的購買意願并不強烈。如何降本增效，機器人企業們卻仍在苦苦探索。與此同時，對于産業鍊上遊的AI技術供應商們來說，卻是一次機遇，其中INDEMIND正走出了一條新道路。
作為國内領先的機器人關鍵AI技術供應商，INDEMIND在機器人的導航、避障、決策、AI互動等關鍵技術和産品開發方面有着豐富的積累，且擁有面向機器人企業從0到1搭建産品的全棧式技術能力。針對當下的機器人問題和行業需求，專門開發了RBN100商用機器人AI方案。
該方案差別于市場大部分以多線雷射雷達為主的導航方案，而是采用以立體視覺為主，根據應用場景搭配單線雷射雷達、ToF等傳感器的多傳感器融合方案，提供高精度導航定位及三維避障的安全決策功能，具備工業級機器人的可靠性及小型機器人的靈活性，同時成本更低廉。
在應用上，INDEMIND對商業場景做到了全相容，目前已經部署過全球上千種不同商業場景，無需進行場景分類，直接部署即可使用，且針對場景内的玻璃幕牆、強光等傳統問題實作100%有效應對。
基于INDEMIND獨有的立體視覺技術，方案能夠對全域障礙物進行監測和識别，最小避障高度2cm，對于懸浮型障礙物、運動障礙物均能做到精準識别，且在使用中實時更新地圖，更正運作路線。同時，搭配決策引擎技術，方案還具備智能作業、主動安全和決策互動等能力。此外，針對光線适應問題，INDEMIND通過增加紋理補光、亮度補光等形式實作了光線自适應。
• 智能作業：依照場景中的動态化作業需求，自主調整作業政策，優化機器人作業性能及效率。
• 主動安全：作業過程中，能夠判斷潛在風險，并根據風險分類，提前做出規避政策。
• 接受使用者下達的自然語義指令，自主設計作業政策，完成個性化互動。
需要提到的是，搭載RBN100商用機器人AI方案的産品無需預部署開箱即用，不依賴線下支援團隊，偏遠地區可以完全依靠網絡銷售。同時在成本上，無需價格高昂的雷射雷達傳感器，基于視覺傳感器成本的天然優勢，能夠大大降低整機成本。
目前，INDEMIND已和國内外多家巨頭客戶達成合作，簽署機器人訂單超2萬台，實作全球部署，未來三年預期訂單将超10萬台。
注：文中全球服務機器人市場規模資料來源自IFR