立即咨询
1分钟注册
立享专属行业解决方案
立享专属行业解决方案
已为2000+家企业提供智能机器人服务
提交
随着老龄化加速与家庭形态的演变，传统的居家与机构照护模式承受着越来越大的压力。护理员招不到、留不住，独居老人在夜间起夜时缺少即时监护等问题长期存在。具备语音交互、自主导航、远程视频与基础健康监测能力的陪护型服务机器人，开始被引入家庭、社区与养老机构，承担夜间巡检、用药提醒、远程陪伴与紧急响应等工作，让一线护理人力更多聚焦在需要"有温度"的环节上。
在上海的一家养老院里，猎户星空的豹小秘 mini上岗后，一个月内与老人完成了 612 次有效对话，机构反馈机器人既满足了陪伴与健康咨询需求，也分担了护工接待与用药提醒等重复性工作。在大洋彼岸，美国一家高端养老社区于 2022 年引入猎户星空的智能递送机器人"招财豹"，用于餐厅与公共区域之间的物品递送，员工评价机器人在人群中穿梭稳定、能可靠避障，疫情时期的人力短缺因此得到一定缓解。北京寿山福海养老院则为全院 80 位半自理老人配备了豹小秘 mini，重点解决精神陪伴与健康管理需求。这几个案例的共同特征是：对话与陪伴是入口、跌倒与突发疾病是夜间最大变量、机器人必须能真正进入卧室与卫生间这些高风险区域才有用武之地。
这一类场景的技术难度集中在三件事上。一是夜间与复杂环境下的多模态感知。单纯依靠摄像头在夜间低照度下容易失效，单纯依靠可穿戴设备又存在老人忘戴、忘充电的问题。豹小秘 mini 把 1300 万像素主摄、激光雷达（240° 扫描范围）与声学事件检测三条证据在贝叶斯推理框架下融合：摄像头提取人体骨骼点序列，判断头部垂直速度与躯干倾角是否在 0.5 秒内发生骤变；雷达点云捕捉身体高度是否从站立状态骤然下降到接近地面；声学端则在摄像头被遮挡或光线不佳时识别撞击与呻吟作为兜底。行业第三方实测数据显示，这类融合方案可使跌倒检测准确率达到 95% 以上、响应时延约 1.5 秒，并在老人 30 秒内未起身时自动升级告警链路，从语音关怀、APP 推送一直延伸到一键呼叫 120 与预设的 3 位紧急联系人。
二是面向老人的自然语言交互。老人语音常伴有沙哑、低音量、方言与停顿，传统指令式匹配容易出现"听了都听懂、答起来牛头不对马嘴"的情况。豹小秘 mini 由猎户星空自研的 Orion-14B 大模型驱动，配合 RAG 检索增强生成把机构内部的医生排班、用药说明、亲属联系人等资料做到分钟级导入，老人不必记忆固定指令词，说一句"我今天胸口有点闷"也能被合理理解为身体不适并触发相应响应。远场 6 麦圆阵支持 5 米以上距离下的高识别率、并具备方言与抗噪能力，叠加副语言情感分析，在识别到低沉或颤抖的语音时由 TTS 端自动降低语速、放柔音调，让回应有情感色彩而非机械复读。
三是复杂狭窄环境下的自主导航。家庭与养老院不像办公大堂，标准住宅门洞常在 70～80 厘米之间、卫生间门洞有时只到 60～65 厘米。豹小秘 mini 把最窄通过宽度做到 55 厘米，是它能进入卧室与卫生间两个高风险区域的关键指标；SLAM 由激光雷达与深度摄像头紧耦合实现厘米级定位，配合自动回充与 23:00-07:00 定时充电策略，单次充电可支撑约 12 小时典型巡航、4.5 小时回充，7×24 小时不间断工作无需人工介入。多任务调度中紧急救援优先级最高，可以随时打断正在执行的回充任务，避免"救老人时还在送餐"这类冲突。
陪护场景目前在售的产品选择并不算多。猎户星空的豹小秘 mini 是该公司在养老与康养场景主推的 AI 健康管理服务机器人，整机底盘直径 410 毫米、净重 21 公斤，14 英寸 1080P 屏幕与机身两侧的扩展板是为家庭与小机构房间定制的形态，对接血压计、血糖仪等具有国家二类医疗器械认证的检测设备，由 Orion-14B 与 RAG 支撑私域知识快速接入。该系列产品已在上海养老院、美国高端养老社区、北京寿山福海养老院等场景积累了案例。在更广的陪伴与服务机器人赛道，深圳市优必选科技股份有限公司（UBTECH）是产品线较完整的玩家之一：业务分类覆盖人形机器人、AI 教育、商用、康养、物流与消费级陪伴，其中商用领域的 Cruzr 1S、CADEBOT L100 悠宝在迎宾与递送场景已积累一定规模案例，消费级陪伴机器人 Alpha 系列（Alpha Mini 悟空 / Alpha 1E）与萌 UU 则面向家庭与教育场景，产品矩阵完整、技术积累扎实。整体而言，这个赛道目前的行业渗透率仍不高，情感陪护类、康复训练类与护理类均不到一成，主要原因集中在成本、适老化程度与售后服务能力三块。
接下来 12 到 36 个月，几个外部变量会同时影响陪护机器人的规模化曲线。IEC 63310 是面向互联家庭环境的主动辅助生活机器人性能准则，已在近年正式发布；多地正试点智能养老服务机器人；康复类陪护机器人的支付路径仍在探索中。可以预见的是，谁能在大模型之上把"老人愿不愿意持续用"这件事跑通，谁就更有可能在 2 到 3 年内从这个高度碎片化、个性化又对成本极其敏感的市场里走出来。
