“INDEMIND：随市场需求不断释放，的出货量正持续增长，然而从概念到实地应用，机器人的落地过程却并不顺利，这其中，现场部署环节更是一直困扰厂商和终端用户的共同难题。”

  现场部署作为机器人场景应用的最终环节，从直观来看，似乎并不存在繁复冗杂的技术细节，无非就是现场调试，不需要太多时间，然而事实真是如此吗？

  机器人由厂商送到客户后，工程师开始做网络部署、电梯梯控部署和程控电话系统部署；

  随后工程师开始对不同目标点进行一一标注取位和特殊处理，如过道等狭窄区等待点；坡道、路坎等减速点；玻璃、自动扶梯等危险点；闸机、电梯等特殊点，这期间往往需要大量的时间；

  以上便是市面上绝大多数机器人部署的标准流程，即是「基于机器人建图，基于管理工具进行业务管理」的部署方案，由于流程复杂，常常要较长的部署时间，从技术角度来看，这种方案有着多种缺陷：

  机器人部署操作流程复杂困难（如SLAM建图、目标点标注等），所有部署操作只能由机器人公司特殊培训的现场部署工程师执行，使用者难以操作及参与；

  机器人公司需要现场部署工程师现场操作，交通成本比较高，甚至很多公司在各个主要城市都建立了部署团队，这对公司来讲成本极高；

  机器人在最终量产前，大多数厂商会对成本进行多轮削减，使得机器人的性能冗余较低， 一旦面对较复杂的场景，往往需要多次调试，重复建图，增加部署时间。

  在实际现场部署过程中，由于部署效率低下，无论对于厂商还是终端用户都可能会导致投入成本和时间成本的增加。因此，随市场需求不断释放，解决部署效率问题已成为切实任务。

  该如何解决这一难题？部署服务机器人能否像使用家用扫地机器人一样简单快捷呢？

  事实上，这一想法已经被一个企业实现。依托于对机器人全栈技术的多年自研经验，INDEMIND开发了一套全新的机器人部署方案。

  不同于市面上「基于机器人建图，基于管理工具进行业务管理」的方案，INDEMIND方案是「基于机器人，直接实现建图及业务管理」的方式，配套自主搭建的仿真验证平台和部署流程及管理工具，能够最大限度减少技术人员的参与，实现用户自主部署。

  为了简化部署流程环节，INDEMIND基于行业领先的双目立体视觉技术，结合设备端的嵌入式深度学习和VSLAM算法，可快速输出个体性物体语义和区域性场景语义，可以在一定程度上完成实时构建3D语义地图和高精度定位，在对电梯、闸机、狭窄过道等一些目标点进行标注时，基于物体识别，系统可实时辅助标注，降低操作难度，无需工程师参与，普通用户即可自主执行。

  INDEMIND开发了一套简单化、便捷化操作的可视化部署工具，可以让用户基于机器+机器端配置的LCD屏，实现自主化操作，简单方便。

  基于双目、Lidar等多个传感器的融合方式，同时结合深度学习，INDEMIND开发了一套决策引擎技术，大幅度的提高安全决策水平，实现对自动扶梯、玻璃、跌落等场景的安全管理。

  INDEMIND专门搭建了云端智能管控平台，通过部署在云端的强大算力，为机器人提供实时的全状态管控智能服务，无论家用机器人还是商用机器人，不增加前端硬件成本的前提下大幅度提高任务处理和问题应对能力。

  INDEMIND拥有一套自己的机器人部署仿真平台，机器人在提供给用户之前，会支持用户基于该仿真平台做部署仿真，以实现在交付前即验证完全使用户得到满足使用需求，大幅度的降低部署难度，提高部署效率。

  通过逐一解决现场部署中的过程化难题，INDEMIND机器人部署方案不只是部署效率的提升，同时也是新老技术的变更迭代，在市场规模不断扩张，出货量一直增长的背景下，新方案的应用，无论对于厂商还是终端用户，又或是对于机器人行业的整体发展无疑都有着实际价值。