無人駕駛或者自動駕駛是一個比較寬泛的定義，按照國際自動機械工程師學會(SAE)的標準，目前有L0-L5共六個級別。
L1代表輔助駕駛，預警類ADAS功能，比如偏離車道預警;L2代表部分自動駕駛，輔助干預ADAS功能，比如ACC自適應巡航、緊急自動剎車、車道保持輔助;L3代表有條件自動駕駛，在輔助干預的基礎上增加了自動加速、自動剎車以及自動轉向等;
L4代表高度自動駕駛，這個級別能實現完全沒有人類司機，也可以沒有方向盤、油門、剎車踏板等，不過限定駕駛區域和環境;L5是理想中的完全自動駕駛，沒有司機、方向盤、油門、剎車踏板，并且不限制區域。
從以上定義來看，無論是低階的L1和L2，還是高階一些的L3、L4、L5，都需要傳感器監控行車環境和行車條件，并且隨著檔次、段位提升，對傳感器的依賴程度越大。
目前很多量產車型都已經擁有了L1、L2的自動駕駛能力，甚至一些廠商已經擁有了L3級別的自動駕駛能力。業界在長時間攻關自動駕駛的技術路徑當中，衍生了大量對傳感器的應用的掌握，以及在算法、決策層的軟件方面的積累，也讓其它產業受益良多，尤其是掃地機器人。
乍一看，自動駕駛的汽車和掃地機器人無論從實現難度還是功能方面都有著巨大差別。但是其實兩者在避障、路徑規劃等方面的工作原理其實是有著互通之處和共性，都是通過傳感器收集數據，數據傳輸到處理器決策層規劃行走方案。
在汽車領域，自動駕駛需要用的傳感器的精度較高，比如多目攝像頭、環視攝像頭、毫米波雷達、超聲波傳感器，甚至車艙內的駕駛狀態監測攝像頭。
類比到掃地機器人上，以石頭掃地機器人T7 Pro為例，它有包含LDS激光雷達、里程計、陀螺儀、懸崖傳感器等在內的15種傳感器，并且也和無人駕駛汽車一樣通過攝像頭對周圍環境進行AI識別，用以避障和輔助規劃路線。
在無人駕駛汽車領域，收集來各類傳感器采集的數據同時，還需要對數據加以毫秒級的運算進行分析，才能得到準確、安全的路線。同樣在石頭掃地機器人T7 Pro上也有一個擔負類似角色的大腦——高通平臺的處理器(性能相當于驍龍625)領銜構建起了一套AI雙目視覺避障系統。
在我們過去的評測體驗當中，發現石頭掃地機器人T7 Pro已經掌握雙目鏡頭+處理器的協同，通過前置的AI雙攝收集環境信息，結合處理器，利用視覺識別技術可以像人眼睛樣識別障礙物。
并且石頭掃地機器人T7 Pro對不同障礙物采用不同的避障策略，評估避讓距離，以兼顧清掃覆蓋度和避障成功率：普通障礙物<鞋類/體重秤/吧臺椅底座/風扇底座<插線板<一團電源線<粑粑(避障距離越來越大)。
得益于此，在路線規劃上，石頭掃地機器人T7 Pro相比較傳統掃地機器人對環境感知更精準，即使在狹小空間也能擁有準確的判斷，快速在障礙當中脫身。
總的來說，過去高高在上的無人駕駛技術在今天并不是無法企及、窺見的神秘領域，曾經尋常的掃地機器人未來也可能將有越來越高的技術含量。
關鍵詞：
