長期以來，機器人視覺主要依賴單一攝像頭或簡單圖像識別算法，在光線變化劇烈、遮擋復雜、目標多樣的真實場景中，往往“力不從心”。面臨識別不穩(wěn)定、誤報率高、難以理解語義意圖等問題。在機器人、智能制造和智慧城市加速發(fā)展的今天，視覺能力已經(jīng)成為機器人“智慧程度”的關鍵衡量指標之一。

構(gòu)建“感知+理解+決策”的綜合處理能力

數(shù)碼視訊(股票代碼：300079)依托多年視頻與AI技術沉淀，積極推進“AI感知多模態(tài)”機器人視覺解決方案，為各類機器人提供從“看得見”到“看得懂”的新一代感知底座。公司研發(fā)中的AI感知多模態(tài)方案，通過融合視覺、語音、深度信息以及各類環(huán)境傳感器數(shù)據(jù)，讓機器人不再只依賴“單一畫面”，而是擁有一套更接近人類的“感知+理解+決策”的綜合處理能力。

從感知層上，方案支持多類型攝像頭、相機、麥克風陣列、雷達等多種傳感器接入，實現(xiàn)圖像、語音、距離、運動狀態(tài)等多源數(shù)據(jù)采集；在理解層，基于多模態(tài)融合模型，將視覺、語音指令和場景語義進行統(tǒng)一特征對齊與融合，完成目標識別、場景解析、行為理解等任務，為上層業(yè)務提供結(jié)構(gòu)化感知結(jié)果；在決策層，結(jié)合機器人運動控制與業(yè)務邏輯，對路徑規(guī)劃、抓取動作、人機交互策略進行智能決策，使機器人在復雜環(huán)境中保持穩(wěn)定、可靠的執(zhí)行能力。

(數(shù)碼視訊AI感知多模態(tài)應用解決方案)

推動多場景落地，助力機器人成為真正的“伙伴”

依托數(shù)碼視訊在邊緣計算和視頻AI算法上的深厚積累，該方案可靈活部署于多類型終端或平臺，在保障實時性的同時，兼顧功耗與成本，在眾多應用場景中都具備發(fā)展?jié)摿Α?

服務與陪護機器人：融合視覺與語音識別，實現(xiàn)對用戶身份、表情和語言指令的綜合理解。機器人可以根據(jù)場景(如家庭、養(yǎng)老機構(gòu)、商場)自動調(diào)整交互策略，提供更自然、更人性化的服務體驗。

安防與巡檢機器人：在弱光、雨霧、逆光等場景下，通過多模態(tài)融合進行目標識別與行為分析，并結(jié)合傳感器數(shù)據(jù)實現(xiàn)溫度異常檢測、設備狀態(tài)監(jiān)測等，為園區(qū)、廠區(qū)、交通樞紐提供全天候智能巡檢能力。

工業(yè)與倉儲機器人：在復雜工位和混合貨物環(huán)境中，通過多模態(tài)感知實現(xiàn)精準定位、智能抓取與動態(tài)避障，顯著降低人工干預頻次，提升作業(yè)效率與安全性。

特種與戶外機器人：在戶外復雜地形、無GPS或弱信號環(huán)境中，利用視覺、深度和環(huán)境傳感數(shù)據(jù)的融合，提高對地形、障礙物的辨別能力，為應急救援、危險環(huán)境作業(yè)提供更高的安全保障。

此外，數(shù)碼視訊的AI感知多模態(tài)機器人視覺解決方案，可為機器人廠商、系統(tǒng)集成商等提供標準化接口與定制化算法服務，實現(xiàn)降低自研多模態(tài)算法與系統(tǒng)集成的門檻和成本、幫助合作伙伴快速構(gòu)建差異化產(chǎn)品，縮短從方案設計到量產(chǎn)落地的周期等積極效果。未來，公司還將持續(xù)推進多模態(tài)感知與具身智能、端云協(xié)同大模型的深度結(jié)合，攜手生態(tài)伙伴共同打造新一代機器人智能感知平臺，讓機器人真正成為人類在生產(chǎn)生活中的“智慧伙伴”，為智能制造、智慧城市等行業(yè)注入新的發(fā)展動力。