5G折叠手机都已经有真机了，各式各样的智能机器人在你面前“晃来晃去”工作的场景还会离得远吗？答案显然是：不会。
虽然这是一个肯定的答案，但是在探索过程中不管是方案商还是开发商，都需要付出巨大的努力，跨过下面这些坑！
一双有用的眼睛
跟人一样，智能机器人了解世界的第一步肯定是通过眼睛来观察和获取周围事物信息，并将看到的东西输出为有用的数据，如：地图信息，障碍物信息等~ 继而开展后续工作。
25m激光雷达定位建图示例
有了眼睛并不能代表机器人就是真正智能的了，想要代替或者帮助人上岗执行任务，必须还要有定位导航算法的支持。
算法赋能机器人
机器人在工作的过程中，把握机器人运动状态，进行实时场景解析，精确实现室内导航，需要以下技术的支持。
大场景地图构建
机器人开展行动的第一步就需要地图的帮助，但是在实际场景应用中，机器人会遇到几百、几万，甚至上百万、千万平米的工作场景，大地图场景构建是一个难题。
这时候，第一个需要考虑的就是采用较长测量半径的激光雷达来配合算法进行建图。从各方面来说，目前较理想的测量半径是25米，能够应对各类极端条件。同时，还需要考虑到SLAM算法问题，这个我们下面讲。
地图相似场景的闭环
除了保障传感器的测距半径符合环境需求外，机器人在服务的过程中还会遇到长走廊和环路较多等相似的场景，在SLAM过程中难以形成有效的全局匹配参考，从而很容易导致局部区域累计误差无法及时清除，进而导致回环闭合问题。所以，地图的闭环也很重要。
| 由于环境场景大且多为长直走廊，导致SLAM建图中容易出现环路闭合失败的情况
为了解决这一难题，思岚优化了软件算法、强化了建图引擎，推出SLAM 3.0全新算法。
相比较粒子滤波每次直接将传感器数据更新进入栅格地图进行增量式构建的做法，基于图优化的SLAM3.0 摒弃固定的栅格地图，能实现百万平米级别的地图构建能力，同时拥有主动式回环闭合纠正能力，能很好的消除长时间运行导致的里程累计误差，成为目前行业中最受欢迎的定位导航方式。
完成地图构建和闭环之后，还要考虑到机器人在实际场景服务中遇到的一些难题。
