对话速腾聚创杨先声：机器人的通用智能，先从一双「不骗人」的眼睛开始 | ICRA 2026

55 0 0

文章摘要

当前全球具身智能行业在落地过程中面临着机器人视觉感知能力不足的痛点，传统传感器难以精准感知三维世界，导致机器人操作速度慢且无法进行精细操作。为解决这一制约物理人工智能发展的核心卡点，速腾聚创提出了一套全新的视觉感知架构，在物理层面实现了深度探测与RGB信息的天然对齐。该架构摒弃了行业内普遍的先采集后融合模式，无需后期算法校准即可直接输出深度与颜色信息，从而在精度、可靠性、成本和性能上实现了全面提升。

传统3D相机如双目结构光和ToF存在间接测量受环境光限制、分辨率低以及图像传感器炫光等物理缺陷，难以打破稳定、距离和精度的不可能三角。全新的视觉感知架构基于SPAD-SoC数字化底层技术，不仅具备极高的芯片集成度，还能轻松实现数百甚至上千线的分辨率，将激光雷达的深度信息精度与RGB色彩纹理完美融合。这种高线数激光雷达能够以三维方式高保真还原空间环境，使机器人从单纯的空间定位导航迈向精细感知。

在数据处理与算力方面，新架构由于在底层直接融合并输出图像与深度信息，省去了后端复杂的反解算过程。这不仅大幅降低了端侧处理的算力消耗，还显著提升了数据帧率并降低了延迟，为机器人末端控制和模型训练提供了高质量的空间数据支撑。高质量的三维感知数据能够有效弥补纯视觉方案在复杂环境中稳定性差、精度上限低的缺陷，极大提高数据采集的效率与鲁棒性。

展望未来，机器人感知领域的核心突破点将集中在三维环境感知与触觉传感器的优化上。由于纯视觉方案无法在复杂交互环境中确保高效与可靠，具备高精度空间感知能力的三维融合传感器将成为具身智能的标配。随着视觉感知技术的逐步收敛与成熟，行业将把更多精力投入到解决触觉传感器在材料、可靠性及成本方面的挑战，以推动机器人向更高维度的智能操作迈进。