編者按：本文首發於微信公眾號「將門創業」（ID：thejiangmen），36氪經授權發布，如需轉載請聯繫「將門創業」。
「谷歌於10月6號在GitHub上開源了名為Cartographer的SLAM庫。次日晚上我看到消息，順手克隆下來代碼。本來不甚以為意，不意掃了一眼之後倒抽一口氣，就靠一罐紅牛讀代碼讀到凌晨四點。下面是我的一些想法，主要側重於非技術的方面。一孔之見，權作拋磚引玉。」
Cartographer可以使用2D或3D雷射雷達來進行SLAM（同時定位與地圖構建），其中2D的算法在文章[1]中有描述，而代碼中3D的算法和2D算法基本思路一致。我認為，Cartographer的算法雖然算是一流，但似乎並沒有牛到讓我合不攏嘴的程度。泛泛總結一下Cartographer的算法：用Grid（2D/3D）的形式建地圖；局部匹配直接建模成一個非線性優化問題，通過IMU（慣性測量單元）獲得比較靠譜的初值，再用Ceres庫進行求解；後端用Graph來優化，用分支定界算法來加速；2D和3D的問題統一在一個框架下解決。
算法的具體過程先放一邊，先來感受一下算法的設計目標：低計算資源消耗，實時優化，不追求高精度。這個算法的目標應用場景昭然若揭：室內用服務機器人（如掃地機器人）、室內AGV（如機場用的無人電瓶車），無人機等等計算資源有限、對精度要求不高、且需要實時避障的和尋路的應用。而3D SLAM如果能用在無人機上，也是非常炫酷且實用的事情。
學術界不少人認為，基於雷射雷達的2D SLAM在室內、低速、靜態環境的條件下已經可以認為被基本上解決了，現有成果對很多應用來說已經完全夠用。例如下圖是小米機器人的建圖效果。請注意，這是普通用戶在實際家居情況下自行使用得到的結果。我第一見到這個圖的時候，驚得半天說不出一句話。在如此複雜的環境中，整個圖沒有明顯的錯位（右側亂糟糟的房間是因為堆滿雜物），兩側的牆都很直而且完美平行——而這一切都是在很低的價格下做到的。據網上消息，該掃地機器人使用的雷射雷達是米家供應鏈研發的，成本或能低至200塊——又是半天說不出一句話。而在SLAM算法層面，Cartographer的開源使得大家不但有論文可以參考，還有代碼可以直接拿來用，因此可能降低了其他廠家在算法上追趕的難度。但供應鏈的壁壘依然高峻。
圖片來源：知乎用戶程序魚an
我不掌握谷歌內部關於這個項目的消息，這裡誅心一點：現在掃地機器人、端茶倒水機器人、無人機等等火的不要不要的，谷歌要插一槓子進來。雖然暫時只是一個SLAM庫，但後續發展誰知道呢？會不會出現機器人的Android系統呢？ 谷歌在Andy Rubin離開後，對機器人行業的整體規劃讓外人看不明白（很可能他們自己也不明白），所以後續的發展也只能拭目以待了。
而且讀代碼之後，我認為Cartographer這個庫最重要的東西還不是算法，而是實現。這個庫實現度很高，而且非常谷歌 style。例如算法的核心部分僅僅依賴於以下幾個庫：
Boost：準標準的C++庫。
Eigen3： 準標準的線性代數庫。
Lua：非常輕量的腳本語言，主要用來做Configuration
Ceres：這是Google開源的做非線性優化的庫，僅依賴於Lapack和Blas
Protobuf：這是Google開源的很流行的跨平臺通信庫
沒有PCL，g2o，iSAM，sophus， OpenCV, ROS 等等，幾乎所有輪子都是谷歌自己造的。因此整個開源軟體棧在事實上都是由谷歌控制的。這明顯不是搞科研的玩兒法，就是奔著產品去的。前面說過，Cartographer需要的計算資源少，依賴少，而且代碼質量也很不錯，因此幾乎可以直接應用在一個產品級的嵌入式系統上。以前學術界出來的開源2D/3D SLAM算法不少，但能幾乎直接拿來就用在產品上的，恕我孤陋寡聞還真想不出來。因此，我認為開發基於雷射雷達的室內SLAM算法的門檻被顯著降低了。
這個庫其實不需要在效果上成為最牛的，現在看起來已經完全夠用了。開源、需要資源少，代碼乾淨拿來就能使，而且效果還不錯……呼，幸虧在下是搞機器臂智能系統的，不是搞SLAM方案的，要不然豈不是要睡不著覺？現在創業者除了擔心BAT模仿，還要擔心谷歌開源 😁。當然現在只是有基於雷射雷達的算法，基於攝像頭的SLAM仍然是很有挑戰性以及實用價值的。
借Cartographer這件事我想鬥膽分享一下我開始創業以來的一些思考。
現在機器人相關領域是創業的熱點，其中一個原因就是來自學術界的研究成果逐漸接近了實用的門檻。例如前述的基於雷射雷達的SLAM，還有基於視覺的SLAM、機器視覺、人臉識別、智能規劃等等，都是基於學術界近年來的成果。
創業團隊的配置也從移動網際網路時代的英雄不問出處，變成了標配大量名校海歸、博士、甚至博導。我司也是其中之一。學術界背景的團隊有時會習慣性地從技術出發思考問題，但是產品形式、商業模式、和產業鏈地位對創業成功的影響很可能不亞於技術本身。學術界的成果通常會以論文的形式公開，單一團隊（包括谷歌等巨無霸）很難對整個業界長久保持25%以上的領先，更難有碾壓式的領先。
退一步講，技術上即使能保持領先，除非恰好位於實用門檻的兩側，否則也很難形成真正的壁壘。因此有了領先的技術後，產品形式如何、商業模式如何、在產業鏈的地位如何，是值得花大力氣研究的。特別是產業鏈地位，如何沒有想好，很容易出現受夾板氣的情況。而且也要將心比心：如果用了某產品，會使我處於產業鏈上很不利的地位，那麼我很可能就會另謀方案。
發布短短幾天，Cartographer就已經是GitHub上所有有關SLAM的repo中獲得Star最多的了（見下圖），一舉超過了許多誕生多年的知名repo。就問你怕不怕！
前兩天刷朋友圈看到餘凱老師呼籲大家避免使用谷歌開源的TensorFlow（用於高效機器學習的庫），我當時——
結果才兩天就被教做人了。。。。我只能算是深度學習的初級應用者，對TensorFlow的態度更多的是坐享其成。但是2D/3D SLAM對我來說就更為熟悉和相關了。熬夜讀Cartographer的代碼時，我似乎有點兒理解了餘凱老師的想法。
當年微軟等公司不開源，招致Free Software Foundation為首的鍵盤俠們（無貶義）的口誅筆伐。如今谷歌恨不得開源一切，搞實際控制：例如Android（手機作業系統）和Blink（瀏覽器內核），雖然都開源，但事實上都由谷歌掌控。對此我只能說：
作者介紹：邵天蘭，清華大學軟體學院本科，慕尼黑工大碩士。在德國工作多年，深度參與了最先進協作機器人的研發。2016年回國創立梅卡曼德（Mech-Mind）機器人。個人知乎主頁：https://www.zhihu.com/people/shaotianlan
[1] Google關於2D SLAM文章，發表於ICRA 2016。關注「將門創業」微信公眾號(thejiangmen)，回復關鍵詞「SLAM」，獲取下載連結。