参数内卷的尽头，泳池机器人在等待一次范式转移
销量、品牌和渠道座次正在迅速成形，但泳池机器人的真正技术分水岭才刚刚出现。
过去几年，无线化降低了产品的使用门槛，也打开了亚马逊、大型商超和泳池专业渠道。率先抓住这一窗口的公司，已经建立起销量、品牌和货架优势。后来者面对的，不只是产品差距，还有漫长的渠道验证周期。
摆脱电线之后，许多泳池机器人仍然依赖反复折返完成清洁。面对异形池底、台阶、浅水区和水线，它们很难准确判断自己在哪里、哪些区域已经清洁，漏扫、重复运行和人工干预仍然普遍存在。
这构成了泳池机器人当下最明显的错位： 商业层面看，无线化带来的增长红利正在减弱，市场竞争似乎已经分出先后。但机器如何理解泳池、如何稳定完成清洁，仍然没有形成统一答案。
“当前的市场竞争，更多集中在无线化后的存量市场，而无线化带来的技术红利已接近尾声。”在浪涌未来（Wave Future）CTO刘华看来，泳池机器人行业还远未成熟，机器如何理解泳池、适应复杂结构、稳定完成自主清洁等核心问题仍未解决，“这个行业的路还很长，真正的技术竞争才刚刚开始。”
围绕水下感知、全泳池清洁和长期无人化，雷峰网 (公众号：雷峰网) 与浪涌未来CTO刘华展开了一场深度对话。
浪涌未来CTO刘华
01机器为什么看不清泳池
摆脱电线之后，泳池机器人首先暴露出来的问题，是它仍然不知道自己在哪里。
在规则泳池中，随机折返尚可依靠时间换取覆盖率；一旦出现台阶、弧面、浅水区和不规则坡面，重复清扫与区域遗漏就很难避免。要从随机运动走向自主清洁，机器至少要知道自己在哪里，以及泳池大致是什么形状。
常见泳池形状轮廓 扫地机器人很早就面对过类似问题。LDS激光雷达带来稳定的定位和建图能力后，机器才逐渐摆脱随机碰撞，开始按照房间结构规划路线。但同样的技术路径进入水下后，难度陡然增加。
水下环境会改变传感器接收到的信息。折射、散射、浑浊、气泡和水面强光，都可能让同一物体在不同条件下形成不同信号。真正的难点不是让传感器返回数据，而是从不稳定的数据中提取足以支持定位和建图的信息。
复杂的水下条件，也使行业至今没有形成统一的定位路线。
超声波不依赖光线，在浑浊水体中相对稳定，但主要用于测距；视觉能够识别边缘、纹理和障碍，却容易受到水质、强光和单色池底干扰；点tof和线激光可以获取局部距离，但覆盖范围有限。不同方案各有边界，无法独立承担复杂泳池的定位与建图。
浪涌未来并不是一开始就决定采用激光雷达。研发团队先后测试过超声波、点tof和线激光，最终才转向多传感器融合的方案。
水下探测的核心瓶颈并非实现激光雷达的水下封装搭载，而是保障探测回波数据的有效性与稳定性。对于同一被测物体，水质条件、探测入射角、外部光照的改变，都将导致探测信号特征发生剧烈变化。水下激光传播过程持续受到折射效应、水体散射、悬浮杂质、气泡多重因素干扰，系统需要在强噪声背景中提取有效特征，满足定位、三维环境建图的数据要求。
单纯依靠传感器硬件难以突破该瓶颈。刘华对雷峰网直言，“水下感知首先要解决的是信号可用性。真正的难点，不是传感器能否返回数据，而是系统能否在复杂多变的水下环境中，持续提取足以支持定位和建图的有效信息。”
在X10上，浪涌未来采用激光雷达、超声波和视觉相互融合。激光雷达获取空间轮廓，超声波补充距离信息，视觉帮助识别环境特征。当某一种信号受到干扰时，系统可以结合其他传感器的数据进行校验。但数据如何对齐、信号冲突时如何取舍，最终仍取决于算法。
据浪涌未来内部测试，“在规则泳池中，X10的建图和覆盖率可以接近100%；面对台阶、弧面和不规则结构时，覆盖率可以达到95%以上。”
这种变化也能够被用户直接感知。据其内部透露，一些beta测试用户反馈，过去需要无序运行很长时间才能完成的清洁任务，现在横向、纵向各清扫一遍，基本就能覆盖。
但刘华同时强调，装上好的硬件并不等于高枕无忧：“使用激光雷达并不等于产品整体领先。传感器只是获取环境信息的入口，最终能否形成稳定的定位、建图和清洁能力，取决于感知、算法、运动控制和清洁系统之间的整体协同。”
02看清之后，为什么仍然无法无人清洁
建图解决的是一次任务如何规划，无人化则要求机器长期、自主地完成清洁。两者之间，还隔着运动控制、清洁结构、返回补能和可靠性。
一张地图可以告诉机器人泳池的轮廓、边界和障碍物，却不能直接告诉它，面对池底、池壁、水线、台阶和边角时，应该分别怎么走、怎么刷。