移植無人駕駛的一些技術方案來開發掃地機器人，這些年逐漸成為一個看起來比較新鮮的現象。
其實這兩者本身就是相通的——畢竟“無人駕駛”汽車同樣可以被看作“輪式移動機器人”，通過車載傳感器建立高清地圖，并自動規劃行車路線，從而達到“無人駕駛”的目的。
而且“無人駕駛”還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，
目前，無論是低階的L1和L2，還是高階的L3、L4、L5，都需要傳感器監控行車環境和行車條件，并且隨著方案檔次提升，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，
由此，產業在研發自動駕駛的技術路徑當中，產生了大量不同代際針對傳感器應用的技術成果，相應算法、決策層的軟體方面的迭代良多，將一些業已成形的方案移植給掃地機器人算是水到渠成。
以石頭掃地機器人T7 Pro為例，它就是一個微縮迷你的無人駕駛“汽車”，其采用了 AI 雙目視覺模塊，由2顆500W像素120°廣角攝像頭和紅外補光燈、回充傳感器等器件組成，就如同無人駕駛汽車一樣，全身都遍布傳感器并依靠傳感器感知外界環境。
在無人駕駛領域，汽車多目攝像頭、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工作過程當中會產出大量數據，需要數據中樞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，
我們在石頭掃地機器人T7 Pro上也能看到肩負這項任務的“大腦”——其同時配備高通 8 核處理器平臺，算力大致相當于驍龍625，在掃地機器人這樣的產品當中算是相當彪悍了。
由此，結合高算力的處理器平臺，石頭掃地機器人T7 Pro可以通過雙目立體視覺技術和 AI 物體識別技術，用大視角雙目攝像頭獲取環境深度資訊，同時采用卷積神經網路深度學習進行AI物體識別，基于障礙物類別和深度資訊進行避障策略判斷進而精準避障。
經過大量的 AI 學習之后，現如今的石頭掃地機器人T7 Pro已經實現了識別9類的常見障礙物，包括鞋子，底座，體重秤，插線板，線團，排泄物，襪子，簸箕，U 型椅等其他種類，
舉個例子，如果在清掃路線上有一塊插線板，掃地機器的攝像頭捕捉到這一圖像資訊并反饋給處理器平臺，成功辨識出是“插線板”，便自行做了減速處理，然后繞過障礙物，確實能夠讓清掃效率大大提升，
簡單來說，曾經高高在上的無人駕駛技術方案在今天并不是不能觸及的神秘領域，掃地機器人未來也必然將有越來越高的技術含量，以區別于傳統產品來打造差異化形態，并實實在在地為用戶生活帶來更理想的體驗。
