问题的本质
机器人要在未知环境中工作，需要同时解决两个问题：
- 我在哪？（定位）
- 周围是什么样？（建图）
这两个问题互相依赖：要定位需要地图，要建图需要知道位置。
这种"鸡生蛋蛋生鸡"的问题，就是 SLAM（Simultaneous Localization and Mapping，同步定位与建图）。
传感器
一、激光雷达（LiDAR）
旋转的激光测距模块，扫描一圈得到周围环境的距离信息。
优点：测距精确、不受光照影响、建图质量高。
缺点：成本较高；只能扫描一个平面（看不到低矮障碍物或悬空物体）；凸起的部件让机身变高。
二、视觉传感器（VSLAM）
用摄像头（单目、双目、或深度相机）感知环境，通过图像特征或光流来估计运动和建图。
优点：成本低、信息丰富（可以识别物体）。
缺点：受光照影响大（暗处、强光、纯色墙面都可能导致失效）；计算量大。
三、惯性测量单元（IMU）
测量加速度和角速度。短期内精确，但有累积漂移。通常与上述传感器融合使用。
四、其它辅助
- 碰撞传感器、沿墙传感器（检测接触）；
- 悬崖传感器（防止从楼梯跌落）；
- 地面材质检测（地毯/地板）。
传感器融合
单一传感器都有局限，因此实际产品通常融合多种传感器，用卡尔曼滤波或类似的算法把不同来源的信息结合起来。
原理上：每个传感器都有不确定性，融合算法根据各自的置信度加权，得到比任何单一传感器更可靠的估计。
路径规划
建图之后，机器人需要规划清扫路径：
- 随机碰撞式（早期产品）：碰到障碍就转向。效率低、覆盖率差；
- 规划式：有了地图，可以按弓字形路径系统清扫，避免重复和遗漏。
分区与禁区：用户可以在地图上划定房间、设置虚拟墙（禁区），让机器人避开宠物食盆、地毯等区域。
常见痛点
一、被卡住。 线缆、地毯流苏、低矮的家具底部、门槛。
二、识别不了某些障碍。 透明的玻璃、镜子（激光会穿透或反射混乱）、深色物体（红外传感器可能吸收）。
三、掉落风险。 楼梯、台阶。悬崖传感器的可靠性很重要。
四、宠物相关意外。 这是一个真实且常见的困扰。
选购要点
- 导航方式：激光导航 > 视觉导航 > 随机碰撞式；
- 吸力与滚刷设计：有宠物的家庭关注防缠绕；
- 越障能力：门槛的高度；
- 尘盒/水箱容量与自清洁基站（是否值得为基站付费，取决于你的容忍度）；
- App 体验与地图管理：分区、禁区、定时；
- 耗材成本：滤网、滚刷、边刷的更换成本。
一个理性判断
扫地机器人的价值在于维持日常清洁，减少人工打扫的频率——而不是替代深度清洁。
它擅长处理地面浮尘和毛发，对顽固污渍无能为力。
把期望定在这个位置上，满意度会高很多。
说明：本文为服务机器人技术的知识整理。