思岚科技CEO陈士凯：扫地机器人如何利用激光雷达实现路径规划，有哪些技术难点？
嘉宾介绍
陈士凯 上海思岚科技有限公司（SLAMTEC）CEO，08年毕业于上海交大，毕业后在微软亚洲研究院（MSRA）实习。后在英特尔亚太研发有限公司软件与服务事业部（SSG）担任软件工程师，11年进入盛大创新院。之后在RoboPeak一支机器人研发团队的基础上创办了SLAMTEC。
扫地机器人采用激光雷达的SLAM技术是如何实现路径规划的？有哪些技术难点？
陈士凯：这个问题分为以下部分来作解答。
首先，其实我看群友刚才也问到SLAM和路径规划，它们是两个层面的东西。的确如此，SLAM更像是一种被动技能。SLAM本身只是在那里默默的去为机器人提供地图和定位信息，但是机器人如果需要进行主动移动，它是需要另外一种技术——运动规划或者路径规划。路径规划和SLAM是一种相互合作的技术。如果没有SLAM为路径规划提供高质量的地图和定位信息，路径规划就会变得非常难以工作。
我们说的谷歌无人驾驶，其实从本质上也是在做路径规划的事情，而SLAM做的事情并不是特别多。但是在机器人里，面临的难点除了SLAM本身以外，路径规划也要解决很多问题。先不说扫地机器人，对于通用机器人来说，要做的第一个路径规划是寻路的算法，也称为a点到b点的移动。在这个过程中它会生成多个层次，比较高的层次就叫做全局路径规划。
全局路径规划是什么呢？可以这样理解，我给你一张相对静态的地图，然后在这个地图上，机器人仅仅根据地图测算出当前点到目标点的一个距离。这种方式它有很多种算法，我们现在听到最多的就是Astar的算法，这种也同时运用在即时战略游戏里进行单位寻路时使用。
除了Astar的算法，还有局部规划的问题。机器人虽然已经规划出了大致的路径，但是在实际行动的过程中还是会遇到很多突发情况。比如说前面突然出现一个小孩、或者宠物，机器人怎么能在不需要修改之前规划好的路径的前提下，去绕开这些东西呢？大方向还是对的，但是这时候要需要让机器人临时改道，这样一个过程就叫做局部路径规划。这种方法目前也有很多对应的算法来体现，比如说传统上有EFF、目前有动态穿透法的算法来进行。
这两点目前在学术界里面，是做的比较成熟的一套算法体系。但是在实际应用中，这种搭配并不能很好的解决实际问题。比如说，把一个机器人买回来，用户可能希望它能够进行目标点的移动，就像我们玩游戏，地图都没有探测的情况下，单位就能跑到对方的老家去把对方给灭了。所以这个过程，我们需要对现有的算法体系进行修改。要让把这个地图中没有探索出来，机器人都能实现自主的探路，实时得修改路径，达到目的地。这个过程就会使用一些新的算法，如Dstar算法。
Dstar算法并不需要像Astar那样把地图探索出来，而是可以允许机器人在探索地图的过程中去时刻规划一个原始轨迹的估计。当地图发生变化的时候机器人能实时地进行调整。
以上就是路径规划的第一个问题——a点到b点移动。这个也是目前机器人进行路径规划或者说扫地机器人进行第一步的环节。但是针对扫地机器人，问题会更加复杂一点。因为我们都知道扫地机器人在行动过程中，它有很多对应的算法，比如说像贴边、贴边的清扫，还有像公司的来回清扫，这就需要有更多的算法体系进行支撑。
首先，这个问题在学术界来说，它是一个比较独立的研究体系，叫做space courage。它是想解决如何让机器人能够尽可能的在短时间内去覆盖掉地图中大部分的物体，这点和前面提到的“a点到b点的移动”，在目标和效果上是相反的。a点到b点的移动，它实际上是要求机器人能够尽快的达到目的地，而不要在环境里多做逗留。但是对于扫地机器人而言，情况是： 虽然我知道目的地在哪，但是我要尽可能的把环境中的每个点都走一遍。这两者的效果和目的是不一样的。
除了这两类算法以外，还有一些其他的算法，比如说像空间的自我探索。这也是我们的激光配合导航定位系统进行的空间探索构建出的地图的情况。有时候这些东西是联动在一起的，比如说在空间探索的情况下，如何才能绘制地图并且保证地图绘制的效果非常完美。上面这张图，是我们在一个家庭环境下实测的结果，也是我们比较满意的。你能看到最后扫描出来的房间边角是非常的规整，基本和我们绘制出来的CAD图纸的效果完全一样。
以上就是机器人在进行路径规划时要解决的问题。另外我们都知道，写程序需要在一个理想的工作环境下进行，而现实环境中，机器人往往有很多突发情况，比如说机器人在行进的过程中，被熊孩子抱了起来，或者被人故意踢了一下。这时候机器人能感觉到变动并且能继续之前的工作就变得非常重要。当然，这个过程还需要去处理一个绑架问题的难题，先来看一下我们的这套系统在处理这个问题上的反应机制：
当导航定位系统它在应对突发情况，看机器人是否能保持两方面的平衡：
1.SLAM系统不丢失；
2.路径规划系统能时时刻刻进行调整。
这也是在研究一个机器人，其实不单单是扫地机器人也是所有类型的机器人，都会遇到的非常重要的问题。
目前国内做低成本的激光雷达的公司还不太多，SLAMTEC思岚科技是如何做到高性能地实现千元以内的低成本激光雷达的批量生产的？
陈士凯：在这个过程中，生产也是很多电子产品走向产业化的一个阻碍因素。激光雷达同样也面临这样的问题。其实到目前为止，能去研究一款激光雷达或者一个低成本的激光雷达，它已经不是一个非常难的事情了。它的很多原理其实在学术界和高校里面都可以实现。而且我们早些时候也公布过一些激光雷达的开源设计方案。所以最大的门槛或阻碍因素就在于，它是否能迈过量产的这道坎。
一方面，量产涉及了一些比较现实的问题。我们都知道，激光雷达是一个非常精密的光学器件，在组装及后期的校正上有很多的门槛。所以对激光测距的激光雷达来说，它要求它本身的激光器和光学接收元件在光学的对持上要有不变性。并且在组装过程中，几个微米的安装误差都会导致车辆的性能发生很大的差异。
所以我们在做这件事上也是做了多年的筹备。RPLIDAR第一代可以追溯到2010年的时候。
上面这张图，展示的就是思岚科技在2010年生产的最早期的原型机。这一版本在那时其实已经可以工作，并且当时还有一个三维的版本。而真正做到和量产版本最接近的产品是在2012年。
上图展示的就是思岚科技的激光雷达在进行量产化之前做的几个主要版本的迭代。我们可以看到，每个版本在内部设计构造上都有很大的区别，现在来看这个最早的版本，它的外观甚至非常山寨。
而到了2013年以后，我们将主要精力花在了维持量产工艺的稳定性上。
对于这点，如何理解？
我们的答案是把很多对工人要求很高的组装、调教的工作完全让它变成一个自动化或者半自动化的一种由机器人进行干预辅助的方式。这样一来，它就能使得人工的安装要求降到最低，并且将自动化系统介入后，在品质把控上也可以做到非常高的等级。
此外，我们在研发过程中的也尝试过很多不同的方式，其中也包括前面讲的TOF的方案。在2013年的时候，我们还尝试做过使用LED进行TOF相位测距的方案。不过这个方法有一个缺点，采样频率比较慢，所以就没有进行下去。
上图也是我们当时进行选型的一个方案，它可以进行15m的TOF LED激光的测距。后来我们发现它在量产以及实际应用的过程中存在一些问题，所以后期我们在研究激光雷达没有对它进行产品化。
一直到现在，我们在这个产品上面已经完成了几次迭代。在今年我们也发布了低成本激光雷达的第二个版本——RPLIDAR 2.0。除了性能提升以外，更主要的是，它的性能稳定性能达到工业级或者准工业级的标准。
在这个过程当中，从表面上来看我们产品的外观和设计特性都有了革新，但其实每一代我们都倾注了非常多的心血在内部工艺的改良上。
在一些细节上，比如说激光器的选取，我们也和供应商有过非常深的探讨这，这一部件改过的版本就有30、40版左右。当然还有其他更多的细节，比如说激光雷达内部选用的螺丝，还有PCB的工艺，都有非常大的改进，其实是需要花费很多时间去打磨产品的。
这个过程走下来，我们的感觉是：其实目前研发一款激光雷达，从完成它的demo机到出一台原型机，这件事并不难。但是如何让其继续批量生产并且达到一定的稳定性，才是真正的难点。这个难点，可能需要更多的软件和配套的自动化市场系统进行辅助才能克服。