从"噱头"到"工具"，餐饮机器人的进化史

相比自动驾驶面向的室外公路场景，餐厅作为室内场景，其复杂度却一点也不低。餐厅场景过道狭窄、单个场景设施复杂、不同场景一致性较低、拥有"人"、"物"等动态障碍物。基于此，普渡科技提出了"场景熵"的量化方式来测算不同场景中静态环境复杂度与动态环境复杂度之和。其中，工厂、KTV、餐厅的场景熵值分别为10的4次方、6.5次方与11次方，而城市自动驾驶的场景熵为10的18次方。

"由于自动驾驶难度过高导致极难落地，所以餐厅不仅是室内自动驾驶落地的场景中复杂度最高的，同时也是复杂度高的场景中最能落地的。"张涛表示。

PuduSLAM的优势在于，即使脱离了磁轨这类定位明确的导航条，餐饮机器人也能在餐厅这类复杂度极高的场景里实现高效运行。

而餐饮机器人对自动驾驶另一方面的借鉴在其减振性能上。

（编辑：宁德站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!