一臺真正聰明的掃地機，應該能在復雜環(huán)境中自己做判斷：什么時候該繞開，什么時候重點清潔，什么時候靈活避讓。

這本質上，是一整套系統(tǒng)能力的體現(xiàn)。

追覓掃地機給出的答案是，把AI變成一條完整鏈路：從感知環(huán)境、理解場景，到做出決策，再到完成動作，形成連續(xù)閉環(huán)。

過去幾年，掃地機行業(yè)經(jīng)歷了兩輪升級：從比吸力、參數(shù)，到比導航、覆蓋率。而今天，競爭開始轉向復雜環(huán)境中的智能判斷。

一位參與研發(fā)的追覓工程師對雷峰網(wǎng)提到：“我們想做的，不只是看見，而是在看見之后，進一步服務于清潔能力升級?！?/p>

換句話說，今天掃地機之間的差距，已經(jīng)不在執(zhí)行能力，而在決策能力。

從市場表現(xiàn)來看，這種變化正在被驗證。2026年一季度，追覓掃地機全球營收同比增長100%，在多個高端市場持續(xù)領先，并獲得歐睿國際“全球高端掃地機器人銷量第一”的認證。截至目前，追覓掃地機全球累計出貨量已突破1100萬臺。

當一臺掃地機開始“自主判斷”，它到底改變了什么？

01給掃地機做一雙眼睛

在追覓掃地機X60 Pro這一代產(chǎn)品上，變化是從“看見”開始的。

要做到業(yè)內(nèi)最強的感知能力，追覓掃地機選擇了一條更激進的路徑，在行業(yè)內(nèi)率先落地超廣角雙目靈動導航避障技術。

相比傳統(tǒng)單目視覺，這套方案通過雙RGB AI攝像頭、主動光散斑與3D感知，讓掃地機不再只是看到物體，而是直接獲得穩(wěn)定的空間深度信息。簡單來說，它不只看到有什么，而是知道在哪里、多高、能不能碰。

這帶來了一組非常關鍵的能力變化——可識別280+類物體；最小感知高度低至3mm、對5mm以內(nèi)低矮障礙物實現(xiàn)100%避障；在動態(tài)環(huán)境中，0.3秒內(nèi)完成判斷，導航效率提升約50%。

參數(shù)本身并不新鮮，但共同指向一件事：掃地機開始具備穩(wěn)定、連續(xù)的空間理解能力。

在傳統(tǒng)方案中，無論是激光雷達還是單目視覺，本質都是間接理解空間。要么通過點云拼接環(huán)境，要么通過圖像“猜”距離。這是為什么上一代掃地機常常會出現(xiàn)一些奇怪的行為：在桌腿之間反復試探、在陰影區(qū)域停頓。問題不在算法本身，而在輸入信息不穩(wěn)定。

追覓掃地機這套“雙目+主動光”方案，通過人為制造可計算的特征點，讓系統(tǒng)在各種環(huán)境下都能獲得穩(wěn)定深度信息，從看見輪廓，走向理解空間。

更重要的變化在于：感知不再只為避障服務，而是進入清潔決策。

當系統(tǒng)識別到毫米級目標時，機器不再簡單地統(tǒng)一繞開，而是判斷這是需要避開的障礙，還是可以直接清理的灰塵顆粒。

類似的變化，也延伸到人機交互。

目前，追覓掃地機支持多語種與方言語音控制。用戶不需要記住標準指令，只需說“輕輕拖一遍地”“不要太濕，掃一下客廳”，系統(tǒng)就可以自動匹配清潔策略。如果表達不清晰，機器甚至會追問，補全信息。

從環(huán)境到人，掃地機正在完成同一件事：從“識別輸入”，走向“理解意圖”。

把時間拉長來看，這種變化并不孤立。

過去十年，掃地機大致經(jīng)歷過兩次關鍵躍遷。

第一次，是“會動”。早期產(chǎn)品依靠隨機碰撞完成覆蓋，解決的是“有沒有”的問題；第二次，是“會規(guī)劃”。激光導航讓掃地機可以建圖、分區(qū)、路徑規(guī)劃，解決的是“掃不全”的問題。

到這里，覆蓋率問題基本被解決。但真正影響體驗的，是剩下那一部分更細微、更復雜的場景——動態(tài)環(huán)境中的實時處理能力。

在人走動、寵物穿行、地面不斷變化的真實家庭環(huán)境中，掃地機需要持續(xù)感知、持續(xù)更新，而不是依賴一套固定輸入做判斷。

這也是為什么，“看見”這件事，必須被重做。

追覓掃地機的新一代產(chǎn)品，正是在這一階段完成了系統(tǒng)重構。在X60 Pro上，感知不再是一個獨立模塊，而是整個系統(tǒng)的起點，感知、理解、決策、執(zhí)行，被串成一個連續(xù)過程。

02追覓掃地機把“看、想、做”連成了一件事

“看見”解決的是輸入問題，真正拉開差距的，是“接下來怎么做”。

掃地機面對的，從來不是標準化場景。

同樣是地面上的物體，處理方式完全不同。散落的珍珠、細小戒指等細小貴重物品需要避開，面包屑、貓砂、泡沫碎屑等需要清潔。系統(tǒng)不能再用一套統(tǒng)一規(guī)則處理所有情況。

過去主流掃地機，本質是一套規(guī)則驅動的系統(tǒng)：先識別障礙、停下來、重新規(guī)劃路徑、再執(zhí)行。這套邏輯在靜態(tài)環(huán)境中幾乎完美，一旦進入動態(tài)場景，就容易出現(xiàn)停頓。

用戶看到的，是掃地機“猶豫了”。這是因為路徑是提前算好的，動作是規(guī)則觸發(fā)的，一旦變化超出規(guī)則覆蓋范圍，機器只能保守處理。

早在2021年，追覓掃地機便組建了AI算法小組，開始研究如何將 AI 技術融入產(chǎn)品。2023年起，追覓掃地機便率先將強化學習引入掃地機的研發(fā)。

在掃地機產(chǎn)品上的變化，是把“決策”從規(guī)則里拿出來，交給系統(tǒng)實時完成，邊走邊算。

這背后，是路徑規(guī)劃邏輯的一次變化。

傳統(tǒng)方案通常采用“全局規(guī)劃+局部避障”的組合，先用算法規(guī)劃一條完整路徑，再在執(zhí)行過程中局部調整。

問題在于，這種方式天然是“分段的”，一旦環(huán)境發(fā)生變化，就需要不斷中斷、重算。

追覓掃地機引入強化學習之后，決策邏輯變成另一種方式。系統(tǒng)不再依賴固定路徑，而是根據(jù)當前感知結果，持續(xù)輸出下一步動作。

這帶來的變化，是可以被直接感知的：

在人和寵物走動時，掃地機不再停下來等待，而是順勢繞開； 在桌椅腿之間，不再來回試探，而是連續(xù)調整路徑穿過； 在狹窄空間中，很少觸發(fā)保護性后退，而是一次性通過。

這些變化很難用參數(shù)衡量，但會明顯改變使用體驗。

更重要的是，“想”的過程，不只發(fā)生在路徑層，也體現(xiàn)在人機交互上。

追覓掃地機可將用戶的自然語言直接轉化為清潔指令，自動解析清潔強度、范圍、方式等參數(shù)并生成任務。這讓機器的決策，既包含對環(huán)境的判斷，也包含對人的理解。

但如果“想”無法轉化為動作，系統(tǒng)依然是不完整的。

這也是為什么，追覓掃地機把能力從算法層，延伸到了結構層。

通過全球首創(chuàng)的仿生機械臂，在識別到墻邊或桌腿時，拖布和邊刷會主動外擴，補足邊角；在門檻或滑軌位置，會先判斷是否可通過，再通過首創(chuàng)的仿生機械足抬升完成越障。

這些動作，并不是預設觸發(fā)，而是決策結果的直接延伸。

當這些環(huán)節(jié)被連在一起后，掃地機就不再是“移動+清潔”的組合，而更接近一個完整的行為系統(tǒng)。

也正是在這里，差異開始真正被拉開。

03全球第一背后，是選擇、工程與研發(fā)投入

在感知方案上，行業(yè)長期主流是單目視覺或激光雷達。路徑清晰、成本可控，但在弱紋理、暗光、高反光等復雜環(huán)境中，始終存在上限。

追覓掃地機的“超廣角雙目+主動光+3D感知”，其實是一條更“重”的路線。

這類決策，看起來只是技術路線差異，本質上是在做取舍：是滿足于“夠用”，還是為了更強的環(huán)境理解能力，主動選擇一條更難、但上限更高的路。

真正體現(xiàn)追覓掃地機能力的，是把這條路線真正做到了產(chǎn)品里。

以雙目方案為例，它并不是簡單增加一個攝像頭，而是一整套系統(tǒng)級重構：更大視場角帶來的畸變與邊緣信息處理問題；主動光與鏡頭、ISP之間的協(xié)同調校；不同材質、不同光照下識別穩(wěn)定性的波動；以及最終成像效果對識別模型的影響……每一個環(huán)節(jié)都決定著最終體驗的上限。

一位工程師提到，為了把產(chǎn)品打磨到極致，很多細節(jié)需要反復打磨十幾版甚至幾十版，再放到大規(guī)模內(nèi)測場景中反復驗證。

決策系統(tǒng)同樣如此。從規(guī)則系統(tǒng)切換到強化學習，是要重構整套決策機制，包括數(shù)據(jù)如何組織、模型如何實時推理，以及在有限算力下如何穩(wěn)定運行。

再往下，執(zhí)行層同樣考驗系統(tǒng)能力——傳感器與ISP決定輸入質量，電機響應決定路徑是否連續(xù)，結構件設計決定策略能否真正落地。也正因如此，即使技術框架相似，不同產(chǎn)品的體驗差異依然明顯。

追覓掃地機真正建立起來的，是把復雜能力持續(xù)產(chǎn)品化的系統(tǒng)工程能力。

AI系統(tǒng)的上限，最終取決于數(shù)據(jù)與訓練體系。但掃地機的數(shù)據(jù)，分散、不可控，而且很多關鍵場景很難高頻采集。

追覓掃地機的做法，是引入仿真訓練，與真實數(shù)據(jù)形成閉環(huán)。

基于英偉達的仿真平臺，團隊可以構建成千上萬種家庭環(huán)境，讓模型在其中完成大規(guī)模訓練。單個階段即可生成數(shù)十萬級數(shù)據(jù)，4000臺虛擬機器人24小時運行，相當于在極短時間內(nèi)積累數(shù)年真實使用經(jīng)驗。

本質上，這是用工程手段，去解決數(shù)據(jù)規(guī)模問題。不僅是更多數(shù)據(jù)，更是覆蓋現(xiàn)實中難以頻繁出現(xiàn)的場景。

但這同樣意味著更高的投入，以及復雜系統(tǒng)設計的能力。

從路線選擇，到工程實現(xiàn)，再到數(shù)據(jù)體系，這些能力會直接反映在兩件事上，產(chǎn)品體驗，以及迭代速度。

以雙目方案的落地速度為例，行業(yè)內(nèi)類似方案往往需要數(shù)年時間積累，而追覓掃地機在半年內(nèi)完成從驗證到落地，這在行業(yè)里并不常見。

這種效率背后，是更高密度的研發(fā)體系支撐——追覓掃地機研發(fā)人員占比高達70%，算法、硬件、整機多線并行推進，才能讓復雜技術更快落地。

目前，追覓掃地機在30多個國家及地區(qū)市占第一，在18個國家市占率超過40%；2026年一季度，全球營收同比增長100%。

這些數(shù)字本身已經(jīng)說明一件事：用戶更愿意為更聰明的掃地機買單，享受最佳的體驗。

04掃地機會判斷之后，才是機器人

這幾年，掃地機的變化一句話就能概括：從“掃得干凈”，到“掃得合理”。

當一臺掃地機開始理解環(huán)境、動態(tài)決策，并把判斷轉化為動作時，它就不再只是一個清潔工具，而更接近機器人。

在雷峰網(wǎng)看來，這也是為什么，掃地機會成為AI最早落地的一類機器人產(chǎn)品——場景足夠復雜，能夠不斷產(chǎn)生新的問題；任務足夠高頻，能力可以持續(xù)驗證和優(yōu)化。

追覓掃地機這一輪的進化，本質上是把感知、決策、執(zhí)行連成一個閉環(huán)系統(tǒng)，讓機器在復雜環(huán)境中更加“像人一樣聰明”。

當這種能力建立起來，它的意義，就不再局限于掃地這一個場景。

在一些探索性場景中，類似的系統(tǒng)能力，被嘗試復用到更連續(xù)的任務中，識別物體、完成抓取、與其他設備協(xié)同工作。

當機器理解了環(huán)境，它能做的事情，會遠多于最初被定義的那一類，它也就不再只是工具。