1月11日，第三届楼宇科技TRUE大会在深圳国际会展中心拉开序幕。

科技改变千行万物，楼宇自然也不例外。伴随着新的科技浪潮迭起，一场围绕楼宇科技的全新变革画卷已然呈现在所有人眼前。这其中，除了令人耳目一新的黑科技以外，更有着其背后的宏大构图——围绕绿色、共生的低碳与可持续愿景，这也成为了本次大会的核心主旨。那么这次变革将会呈现何种趋势，又将行至何处?

为此，本届大会以“绿色·共生·TRUE见进化”为主题，围绕“绿色低碳与可持续发展”、“生态融合与高质量发展”、“技术创新与产业升级”三个维度，勾勒出数智建筑新形态，大会分为1场峰会主论坛，7场平行分论坛、4场专业交流会议以及1场年度重磅新品发布会，现场聚集了众多业内大咖、学者，共同探讨这场科技为楼宇掀起的全新变革。

在黑科技分论坛中，上海思岚科技有限公司联合创始人&CEO陈士凯带来了“激光雷达和机器人技术在智慧楼宇场景下的应用探索”的主题分享，他认为，激光雷达和感知技术还是会继续存在，但是和大模型的结合，会使机器人变得更加智能和智慧。

以下为演讲实录，经36氪编辑：

今天非常荣幸，跟大家分享思岚这几年在机器人行业以及智能楼宇行业的相关工作。

首先简单介绍一下思岚，我们公司主要从事核心传感器激光雷达,和机器人自主导航定位产品的研发和应用。在行业里面，我们是国内第一家推出低成本激光雷达传感器的公司，并且打破了国外的一些技术垄断和价格壁垒，填补了国内激光雷达市场的空白，这是思岚的第一块业务。

思岚第二块业务叫做环境感知，主要包含激光和其他的传感器、导航算法的融合，让机器人在环境中，能够更加智能地进行地图构建和智能导航。第三块就是基于传感器和环境感知能力，让我们拥有控制对象行走的能力，比如说机器人，通俗说就是无人驾驶的能力，以上就是我们思岚在行业当中主要从事的方向。

这三块方向和今天的智能楼宇其实有很大的关联，现在楼宇当中，机器人的身影特别频繁。我们认为机器人是一种连接了智能设备和楼宇生活的智能纽带，因为它拥有一个特殊的属性就是能够自主的移动，所以它可以把原先不能动的AI智能设备，通过移动让其功能有进一步扩展。正因为看到了这种巨大潜力，思岚从成立开始，就致力于为机器人提供感知和智能移动能力，赋能各类应用场景。当然，目前我们做的事情，对于智能楼宇的贡献不单单只有机器人，像激光雷达，它能做的事情还有非常多。

这几年，我们通过媒体的报道能够听到，激光雷达在无人驾驶领域中有很多的应用，但实际上它最早的应用可以认为是在工业和智能楼宇里面。因为激光雷达本身是一个测量性的传感器，通过发射激光，检测激光回波信号，可以非常精确地判断这个物体距离传感器本身的位置，通过光的指向性，可以非常高精度地刻画他所在的环境，这个特性就非常适用于做环境的扫描和测量。

基于它的不同技术，现在行业里对它有很多细分，如果根据激光线束来分，可以分为2D和3D，虽然说听上去这个2D激光雷达不像多线束3D激光雷达那么高大上，但是其实它的测量精度、可靠性有很高的要求。

第二个分类是根据它的扫描原理，传统激光雷达使用机械式的方式进行360度或者空间上的扫描，就是我们所说的机械式的激光雷达，在这两年随着激光线束的增加，或者汽车行业对于稳定性有更高的要求，诞生了很多固态或者混合性的基于完全非机械扫描的方式的激光雷达。

激光雷达经过这几年的发展，已经不单单只是一个传感器了，是传感器+算法的结合，这就是我今天想重点说的。激光雷达本身是主力传感器，这几年结合了相关的算法能够为很多行业带来一些具体和意料外的应用。比如，PPT画面当中其实展示就是现在很多的建筑行业或者说在后续的环境的勘探、测量行业当中用到的激光建图机或者手持的建图装置，这个设备当中包含了一台或者多台激光雷达，同时也会有一些其他的传感器进行辅助，这种设备一般会背在人的身上或者安装在机器人当中，随着人的行走或者机器人在环境当中的行进，可以通过激光雷达的高精度测量的特性。

PPT画面中间和右侧的两幅画面，他们分别是采用二维和三维激光雷达对于环境进行测量得到的一个环境效果。这个测量对于我们非常重要，首先一开始建图当中，就可以利用激光雷达对于建图实际的空间属性进行勾勒，第二个部分，现在会提像数字孪生这些话题，要把物理世界跟虚拟或者数字世界进行关联绑定，第一个环节就是采集空间环境中的数值信息，直接可以拿来利用。这个过程当中激光雷达提供的信息就起到了至关重要的作用。

PPT画面当中的一个小装置，这个是我们在前年针对空间测绘的需求推出的一种全新的激光雷达形态，叫做建图激光雷达Mapper，这个激光雷达当中已经不单单包含了激光传感器本身，其实是把空间环境测绘需要的相关算法和处理系统都嵌入到激光雷达当中，这个产品只要进行通电，手里面拿着就可以实时绘制出画面当中看到的这种平面的或者三维的地图，帮助设备在实际场景中使用，不需要二次开发，使用非常简单。

接下来介绍配准，这个是激光雷达在我们这个行业中的主要功能，同样也是使用了高精度测绘能力，但这次数据不是用来地图构建，而是把其和原先的地图进行匹配，目的在于什么?就是所谓的配准。

用通俗的话来讲就是定位，因为我们知道楼宇当中，有一个技术挑战就是GPS、北斗等等这样的定位信号是被屏蔽的，有些情况下是没办法使用的。尤其像现在我们国家从国家安全角度考虑，有一些大的地下停车厂或者掩体，本身也有定位需求，最直观的，我们找车位的时候，室内没有GPS信息，这个时候使用激光雷达本身高精度测量信息是一个主流的方案，这是目前机器人当中为什么非常广泛使用激光雷达的原因，就是用了激光雷达配准的功能。这个功能不单单只是用在机器上当中，像我们刚才提到的空间测量、测绘的时候同样用到这样的技术，它的使用手段不是用在机器人，而是人本身背着机器就可以实现定位。

刚才讲的是大家对传统激光雷达的认知，其实激光雷达除了上面的应用6，在这几年也有新的应用，比如互动，因为激光雷达有高精度和高指向性的特点，所以在现在一些行业，比如多媒体或者教育行业，我们可以使用激光雷达代替基于红外或者电流的触摸屏，实现很大面积环境触摸的感知和测量，这种应用就是把激光雷达当成一个输入设备进行使用。此外，现在的一些商场或者大的展厅，或者一些智能交互的终端里面，利用把互动相关的手势数据集成激光当中，直接回馈一个像传统鼠标的信息给到相关的场景。凭借激光雷达在高度的环境轮廓测量信息和高度的指向性做出识别和反应。人机互动的方式，也实现了低成本和低部署的客户需求，对场地的环境要求也不会很高，但是在互动形式和内容上，却大大增加了互动性和娱乐性。

分享完激光雷达，再分享一下智能楼宇跟机器人的关系。刚才提到的激光雷达还只是一个硬件传感器，机器人它因为具有实际移动的能力以后，它可以把我们现在所进行开发的像智能设备，AI设备，大模型等，通过移动能力，真正结合我们现在实际生活当中。

机器人其实经过这几年的发展，已经从逐步在一些细分市场应用，发展到如今和具体的场景进行深入绑定。按照使用场景来看，机器人其实可以分为在室内进行使用或者室外使用，室内智能楼宇是目前对于服务机器人服务场景最好的概括，在这个场景里，他可以是一个多功能的综合载体，比如配送、消杀。在这样一个综合性服务的场景里，还是存在很多挑战的，这些挑战点，我把它概括为四个方面。

第一个就是它的自主导航能力，要解决自主导航能力，第一机器人需要具有很强的通过性，现在很多机器人还是停留在上一代——轮式机器人，所以国家从去年开始就倡导做下一代机器人：人形机器人，当然，人形机器人在实际行业中应用还需要几年的研发和试用期，在当前情况下，我们认为，现在的轮式机器人进行一些简单的升级，其实就可以解决很多原先没法解决的场景，比如在室外或者室内有门槛或者坡道情况下，传统的轮式机器人没法通过，基本上只能在比较平的表面，平地或者局部的商场或者办公室里面进行工作。但是如果把它的运动机构稍加改造，比如现在开发的下一代的室内外的通用型机器人平台，就有很好的越障能力，这个就是在人形机器人成熟之前的补充，这是目前行业比较重要的研发点。

再讲几个核心的部分，机器人之所以跟传统的计算设备有差别，核心就是它具有移动能力，这个移动能力就是自主导航和空间感知，自主导航就是刚才提到的运动能力，但在解决运动能力之前，首先要解决的空间感知。机器人在陌生环境中怎么完成定位，完成地图构建，激光雷达能够很好地解决问题。但是这里面有一个实际的问题在于，我们现在的楼宇当中，环境变化是非常多见的，这个时候怎么进行可靠的自我学习，让机器人继续工作，这个是目前行业当中重点研发的课题。

现在行业中一般怎么解决这个问题，也就是我们要讲的第二个挑战点。复杂高变环境下的可靠定位。具体的做法来看，最值得做的事情就是不能只局限某一种传感器，现在机器人已经非常广泛地用到了各种其他类型的传感器，主要包含像视觉或者说是像毫米波或者超声波的方案进行融合，这种融合使机器人在更多的纬度理解环境并且应对环境的挑战。

第三个部分就是解决了空间定位以后，怎么让机器人集群在楼宇间进行相互协同，自主乘梯，服务多楼层场景。因为现在机器人应用已经不是一个点，而是一个面，在智能楼宇当中，机器人能做的事情已经不单单在一个单层楼服务用户，他可以自主乘坐电梯，并且可以跟不同类型的机器人进行相互调度，这个时候需要对于机器人本身进行额外的控制。目前我们在这一部分也有很多的工作在进行当中，我们提供可自主上下电梯，多楼层运动的机器人底盘，也可以基于云端对底盘进行相关监测和调度，实现多机协作，路权的规划。我们思岚目前也是整个行业当中的一些标准推动方，去积极完善相关的标准，助力行业发展。

最后一个挑战就是我们发现在智能楼宇当中，对于机器人的运用是多种多样的，可能某一种具体的机型，比如酒店的配送机器人，不能满足我们楼宇当中进行机器人安全巡检，作为特定的机器人，我们的逻辑就是我们认为机器人的应用场景非常多，而这里面唯一不变的就是机器人对于自主移动和空间感知的能力，我们这几年做的事情就是把它对于空间和自主移动这一部分单独提取出来，成为标准化的模块，这是我们现在的产品体系，也是助力客户去快速开发迭代产品的能力。

在实际的应用当中，除了实际产品以外，运维服务其实也是非常关键和重要的一部分，对于机器人的执行化管理和多级空间调度有要求。刚才提到，机器人行业这几年发展特别迅速，应用场景和功能点非常多，其实机器人本身并不是一个行业，机器人本身是一种赋能逻辑，所以我们在做的事情就是把机器人本身的核心功能空间感知和自主移动能力做的更加的标准化，并且把它浓缩成了一个相对比较标准化的底盘性的产品，在这个标准化的底盘上面可以嫁接出不同的应用来，这样可以使得用一个比较成熟标准化的产品进行一些适当的定制和开发，打造出各种类型的机器人，减少部署和运维类型和难度。

最后，机器人行业对于AI这个大领域来看，其实还是一个相对比较传统的基于概率模型或者基于规则式的人工智能。大家会发现，这几年行业当中会非常多的探讨大模型在机器人行业当中的应用，这也是未来这几年我们能预见到的情况。现在我们这个行业里，刚才提到的一些难点，比如说环境发生目前很大的变化，机器人怎么做应对，这个是传统概率模型很难解决的，我们现在尝试用一些开源方案和机器人做结合，我们做过一个实验，把机器人的摄像头画面给大模型，然后来进行工作，让机器人在画面当中找到冰箱，并且让机器人移动到冰箱，打开门，拿出一瓶饮料，这个过程当中，大模型还是能工作的，我们做了一个挑战性的事情，就是画面当中没有冰箱，但是我们跟大模型说找到冰箱，找一瓶水来，很多的大模型，只要到了一定规模的，他就说画面当中没有冰箱，但是根据它的分析，可能画面当中只是看到了客厅，冰箱大概率出现在侧面某一个地方，那里有个厨房，应该把机器人进行原地旋转，让画面中出现像厨房或者是卧室的门，再让它过去，这个发现对我们触动很大。

我们在想，未来大模型对于机器人到底意味着什么，完全颠覆我们现在的技术还是作为补充，其实可以看出，我们认为现在的大模型对于机器人行业来看更多的是补充，就跟目前我们人的构造一样，人的大脑里面发现跟大模型很像的就是左右半脑负责逻辑跟想象力，但是跟空间感知和移动能力，生物做法就是单独有一个小脑做相关的感知和定位工作。未来，我们认为目前的激光雷达和感知技术还是会继续存在，但是和大模型的结合，会使我们的机器人变得更加智能和智慧。

除此之外，我们这个行业目前还是以轮型机器人为主，因为能解决实际常用应用，但是未来四五年之后，多足或者多模态的人形机器人设备将会成为在智能楼宇或者人们日常生活中的主流。以上就是我的分享，谢谢大家。