RealSense^®、逐际动力与英伟达联合展示了由密集3D感知与GPU加速视觉SLAM技术驱动的人形机器人自主导航方案。

人形机器人正从科研原型快速迭代为可在真实环境中与人类协同作业的设备。而要让机器人在动态的人类场景中安全自主移动，仅靠先进的运动控制或AI模型远远不够，还需要可靠的感知能力。

RealSense^®为物理AI提供感知层，如同视觉皮层一般，让机器人能够理解周遭环境并在其中安全移动。

在 英伟达GTC 上, RealSense^®与 逐际动力 与逐际动力展示了人形机器人自主化领域的重要突破。逐际动力人形机器人搭载RealSense深度相机，并结合英伟达GPU加速视觉SLAM框架（cuVSLAM），实现了自主导航。

该集成方案让机器人通过密集3D视觉完成定位、建图与导航，使人形机器人能够在真实环境中安全、稳定地移动。

为什么自主导航对人形机器人更具挑战性

自主导航技术在轮式机器人中已相当成熟，例如仓储自主移动机器人（AMR）与扫地机器人。这类设备在相对规整的平面移动，高度依赖轮式里程计与2D激光雷达等平面传感器完成定位。

人形机器人的工作模式则截然不同。

与在连续平面移动的轮式机器人不同，人形与四足机器人采用完整三维运动模式，人形机器人和四足机器人通过间歇性地面接触进行完整的三维运动。每一步都会因以下因素产生不确定性：

• 足部打滑
• 接触点变化
• 动态平衡偏移
• 复杂的多关节运动

正因如此，仅依靠电机编码器数据无法可靠确定机器人位置，即便微小的运动误差也会快速累积，导致定位漂移。

长期以来，这一挑战将腿足式机器人限制在遥控操作、人工监督或可控环境中，在这些环境下安全风险可以得到管理。

可靠的感知是实现真正自主化的关键。

为导航系统引入深度感知

为了应对这些挑战，逐际动力将RealSense^®深度相机集成至人形机器人平台，并将深度数据与运行在英伟达机器人硬件上的cuVSLAM视觉里程计框架相融合。

该架构整合了：

• RealSense RGB-D深度感知
• 视觉SLAM与视觉里程计
• IMU传感器融合
• GPU加速的感知与建图框架

整套系统使人形机器人在完成复杂足式运动的同时，仍能保持精准定位。

机器人不再仅依赖内部编码器数据，而是以视觉感知作为自身在环境中位置的外部参考。

这大幅提升了定位稳定性与导航可靠性。

为何密集3D视觉对足式机器人至关重要

深度感知从根本上改变了机器人对环境的认知方式。

密集3D感知使人形机器人能够识别并解析平面感知系统无法捕捉的环境特征，包括：

• 楼梯、路缘与高度落差
• 崎岖地形与杂乱障碍物
• 行人、推车等动态障碍物
• 肢体和身体运动周围的间隙

凭借精准的3D空间认知，即使在为人类设计的环境中，机器人也能规划更安全的路径并保持稳定的移动。

深度增强型SLAM还通过以下方式提升整体导航性能：

• 减少长期定位漂移
• 提升位姿精度
• 增强地图一致性
• 在遮挡或快速运动后实现更快重定位

这些能力对于在人类共享环境中作业的人形机器人至关重要，稳定可控的运动与安全性是核心要求。

RealSense^®：物理AI的感知层

十余年来，RealSense^®始终致力于为机器人与智能设备提供高性能深度感知方案。

RealSense^®深度相机提供：

• 针对近、中距感知优化的密集深度感知
• 面向机器人实时应用的低延迟RGB-D数据
• 在多变光照环境下的稳定表现
• 拥有完善开发者生态的开源SDK
• 与ROS及现代机器人框架原生兼容

在逐际动力人形机器人系统中，RealSense^®深度感知作为核心感知层，助力机器人感知环境、保持稳定定位并实现安全导航。

仿真与实体机器人的融合

现代机器人研发愈发依赖仿真环境，在实际部署前完成行为验证。

RealSense^®与逐际动力的演示方案融入英伟达完整机器人生态，让开发者能够整合：

• 英伟达Isaac Sim中进行仿真与训练
• GPU加速感知框流程
• 视觉SLAM与建图框架
• RealSense^®传感器提供的实体深度感知

这套从仿真到实体的工作流程，让机器人研发团队在实体部署前，即可完成导航策略测试、安全行为验证与感知算法优化。

迈向更安全的人形机器人时代

若人形机器人要走进家庭、医院、工作场所与公共环境，感知能力将成为核心安全保障。

安全自主化要求机器人具备：

• 精准的定位与建图
• 可靠的障碍物检测
• 支撑稳定运动的地形感知
• 可控、符合人类习惯的运动方式

深度感知为所有这些能力提供了基础。

本次演示通过RealSense^®深度相机、逐际动力人形机器人技术与英伟达GPU加速SLAM框架，验证了人形机器人可在真实环境中实现可靠的自主导航。

随着机器人技术的不断发展，像RealSense^®这样的感知系统将在使机器能够安全理解和交互物理世界方面发挥核心作用。