INDEMIND：随着机器人应用领域的不断拓展，越来越多的机器人开始进入到人们的各种生活场景中，商场、超市、餐厅等等，然而伴随着应用场景的剧增，整体环境特征的复杂度和动态性也在明显提升，安全表现成为了衡量机器人性能的硬性标准。
从技术角度而言，机器人的安全表现主要由安全决策技术决定。作为决策智能的重要组成部分，安全决策主要为机器人识别并判断作业环境中的危险场景，实现有预判、有策略的实时智能规避，从而保证机器人的安全运行。
其技术原理主要依托于物体识别、场景识别及语义地图等底层技术，识别各种物体、场景，如基于camera的自动扶梯识别、基于Lidar的玻璃场景识别、基于TOF的跌落的识别等等，并利用语义地图进行融合决策，让机器人能够按照不同风险等级进行不同安全策略的控制及避障，包括运动速度、避让距离、危险预判等。
虽然技术原理早已不是“私密”，但要把技术真正应用到产品当中，却非一件易事。除了前期对该部分技术研发投入相对不足外，其涉及的算法部分开发难度也同样极高，尤其是识别算法，虽然基于图像的识别率和准确率表现良好，但对于一些透光度较强的玻璃等物体识别，一直较难实现，只能依靠超声检测。
目前真正投入到实际应用的安全决策技术方案，其技术实现主要采用不同场景不同物体不同处理的方式，比如通过跌落传感器或结构光检测到跌落，则进行防跌落操作；超声检测到玻璃，则规避玻璃；检测到行人，则警报提醒，且对于识别性较差的物体，如玻璃，很多场景在建图过程中需要人为识别出玻璃的位置，并手动在地图中划定虚拟墙，才能使机器人完成规划及运动。这样的做法虽实现了一定的安全功能，但缺陷十分明显，主要为：
1. 未进行成体系的安全策略，整体系统联动性、可拓展性差；
2. 仅固定几种安全场景，单独场景单独处理，安全覆盖率低；
3. 对传感器依赖严重，成本较高。
在智能化不断升级的今天，仅是做到“刚刚能用”的程度显然无法满足市场需求。而不同于其它生活用品，机器人的安全性无法“迁就”，尤其在同质化竞争不断加重，差异化突破成为行业共同难题的背景下，安全性无疑是提升产品竞争力的关键之一。
作为国内最早的机器人技术供应商，INDEMIND有着多年的全栈技术研发经验，针对机器人安全问题开发了一套系统化的安全决策技术体系。在技术实现上，通过从传感器、识别算法、语义地图、策略执行4个层面出发，建立各单元联动机制，充分释放系统硬件潜力，显著提升了机器人的安全表现。
1. 多传感器融合，提升信息获取能力：传感器采用双目视觉模组、Lidar、TOF、跌落传感器、碰撞传感器；
2. AI识别算法，精准识别场景信息：基于TOF 3D数据，基于camera 2D环境图像数据、基于Lidar 2D平面数据等的物体及场景识别及基于跌落、碰撞等传感器的概率判别；
3. 3D语义地图，赋予“人眼”感官：基于识别得到的语义信息结合机器人位姿信息，构建环境语义地图；
4. 策略执行，模仿“人脑”决策：对构建的语义地图叠加决策属性信息，进行安全决策执行。
同时，为了进一步降低场景差异性带来的适应性问题，基于对场景的深度理解，INDEMIND针对各类场景还做了整体化策略，无需再根据不同场景做针对性处理，缩短安全决策流程，大大提升机器人的适应能力及作业效率。
如：
1. 扶梯识别及规避的安全策略；
2. 行人识别及规避的安全策略；
3. 玻璃场景识别及规避的安全策略；
4. 跌落场景识别及规避的安全策略。
这种系统化的机器人安全决策体系，在应用上可拓展性强，各层独立切分，又合并成体系，所有安全需求均可基于该体系实现，同时安全执行基于策略执行定义及实现，用户可以根据需求或机器人运行环境进行自主设定，使得在提升机器人安全表现的同时，可操作性极强，普通用户即可自主操作，这无疑为解决当下的行业难题提供了有效路径。
