NEMESIS
永不迷路的机器人
楼梯、废墟、泥泞、漆黑、沙尘暴、GPS拒止。五种传感器模态同时运行。当任一传感器失效时，其余传感器自动补偿。零单点故障。
楼梯垂直漂移
<2%
梯队 2 // 06
传感器在真实世界中会失效
机器人技术一直在为理想条件构建——平坦地面、良好照明、强GPS信号。现实并不配合。建筑工地有遮蔽摄像头的粉尘云。搜救区域没有GPS。矿井中零环境光。每个部署的机器人最终都会遭遇传感器故障。大多数直接停摆。
- 1
- 传感器 = 单点故障
- <1 m/s
- 退化条件下的速度
- 0
- 能处理所有故障的系统
假设传感器会失效·围绕它来设计
NEMESIS将八个研究模型串联成一个多模态导航栈，将传感器故障视为正常运行条件。事件相机、RGB、LiDAR、IMU和腿部里程计全部馈入一个优雅降级的融合层。失去一个传感器？栈重新加权并继续前进。
模块链:事件相机 + RGB + LiDAR + IMU + 腿部 → KAIROS → GNOMON → CHRONOS → ABYSSOS → PANOPTES → HARMONIA → NEXUS → HERMES
- 01
KAIROS
事件相机SLAM
来自神经形态事件相机的微秒级视觉里程计。在传统相机失效的全黑和极端运动模糊条件下工作。
- 02
GNOMON
腿部里程计MVP
基于腿部运动学和IMU的本体感知状态估计。无需外部传感器——机器人通过行走方式就知道自己在哪里。
- 03
CHRONOS
视频深度估计
来自标准RGB视频的时间一致性单目深度。平滑稳定的深度场在数百帧中保持锁定。
- 04
ABYSSOS
LiDAR融合深度
稀疏LiDAR点与密集深度预测融合。校正尺度漂移并锚定度量世界坐标系。
- 05
PANOPTES
任意相机深度
跨任意相机内参泛化的零样本深度估计。无需标定、无需微调，任何镜头即出深度。
- 06
HARMONIA
自适应传感器融合
基于置信度和故障检测的所有传感器流动态重加权。决定信任哪些传感器的大脑。
- 07
NEXUS
语义3D地图
从融合传感器数据构建持久的、带标签的3D世界模型。每个表面和物体都被分类和跟踪。
- 08
HERMES
语义导航
基于语义地图的目标导向路径规划。导航到"倒塌的门口"而不是"坐标47.3, 12.1"。
对机器人产业的影响
每个部署在非结构化环境中的机器人最终都会失去一个传感器。NEMESIS是第一个从根本上将此视为正常的技术栈。不是后备模式——而是主要运行假设。
- 01灾害响应机器人可以在粉尘、黑暗和废墟中持续导航不停歇
- 02在地下矿井、茂密森林和室内建筑中实现GPS拒止导航
- 03GNOMON本体感知里程计已验证为MVP——机器人始终知道自己的脚在哪里
关键数据
- <2%
- 楼梯垂直漂移
- 22841
- 已验证位姿
- 5
- 传感器模态
- $8B
- 总可寻址市场
价值所在
| 搜索与救援 | $3B |
|---|---|
| 建筑与采矿 | $3B |
| 军事与国防 | $2B |
| 地下基础设施 | $0.5B |
护城河
大多数机器人假设传感器正常工作。NEMESIS假设传感器会失效。这是一种完全不同的设计理念。
零单点故障。