日本松下先进科技株式会社近日宣布，其自主研发的"CUBE-LIO"技术在日本机器人领域最具影响力的学术盛会"机器人研讨会"上荣获最高奖项。该奖项基于提案的新颖性、技术合理性、实证结果及发表内容的综合评估选出，标志着松下在自主定位与建图（SLAM）领域的研究成果获得了国际学术界的广泛认可。
机器人研讨会是日本机器人领域最严格的学术会议之一，以高标准的同行评审和激烈的学术讨论著称，其颁发的最优秀赏仅授予那些在技术突破和实证效果上表现卓越的研究。此次获奖的"CUBE-LIO"技术，核心在于利用激光雷达（LiDAR）与惯性测量单元（IMU）进行自身位置推算（LIO），在精度和稳定性上实现了对传统方法的超越，特别是在低特征量、长走廊或隧道等复杂环境中表现优异。
该技术的核心突破在于对激光雷达原始数据中"强度（Intensity）"信息的深度挖掘。传统方法多采用正距圆柱投影，在图像极区容易产生严重畸变，而CUBE-LIO创新性地采用了3D点群向六面立方体图像投影的"立方图投影"技术。这一变革不仅大幅降低了极区畸变，还通过算法优化将计算量减少了约38%至43%，显著提升了处理速度。此外，该技术还能兼容固态激光雷达，特别适用于无人机等需要广角观测或向下观测的场景。
在算法优化层面，CUBE-LIO提出了"强度梯度幅值（IGM）"优化策略，不再直接优化原始强度值，而是针对强度的变化量进行优化。这种策略构建了对距离变化、入射角变化及传感器噪声具有高度鲁棒性的光度约束。实验数据显示，在纯强度优化方法中表现不佳的退化环境下，IGM优化能带来更精确的定位结果。同时，该技术将几何约束与光度约束进行了紧密耦合，在ENWIDE数据集的10个序列中有9个超越了现有最先进（）的COIN-LIO算法，并在MARS-LVIG数据集的退化环境中取得了最佳精度，有效抑制了特征缺失环境下的漂移问题。
随着技术的成熟，松下计划将CUBE-LIO技术应用于其多款产品中，包括工厂和仓库的自主移动机器人（AMR）、隧道等低特征空间的测绘设备以及无人机测量系统。这将直接提升机器人在单调环境下的定位精度，增强在复杂空间中的环境感知能力，并提高在退化环境下的系统鲁棒性。松下先进科技作为松下控股的关联公司，长期致力于软件与系统开发，其产品线涵盖车载ECU、工程机械自动驾驶、物流搬运机器人以及@mapper等3D空间扫描解决方案，正加速推动社会自动化进程。