看 AI 扫地机器人的参数表，吸力数字最容易吸走注意力，真正决定日常体验的其实是两项：避障灵不灵、路径规划聪不聪明。吸力再大，机器三天两头卡在数据线堆里、把沙发底当盲区，体验都会大打折扣。把这两项的原理和差异弄清，再对照自家地面环境，就有一版按家里地面情况选的思路，不用跟着参数表走。
避障方案的三大技术路线
主流避障方案分三类，各有长短。结构光与摄像头组合方案，能识别鞋、袜子、数据线这类常见障碍物，精度高、暗光下表现也稳，是旗舰机型的主要路线；纯视觉方案靠摄像头加算法识别障碍，成本较低，但在昏暗环境里的识别能力会打折，适合采光好的户型；激光类方案对墙壁、家具这类大件障碍定位准，但对地面上的小件低矮物体，识别能力弱于带摄像头的方案。看评测或商品页时，重点确认它标注的避障类型和宣称可识别的障碍物清单，实际表现建议参考第三方实测，各品牌的具体表现因机型与固件版本而异。
路径规划决定清扫效率
路径规划的核心是建图与导航方式。目前的成熟方案以激光导航加视觉融合为主：机器先对全屋建图，再按规划好的弓字形路线逐区清扫，覆盖率与重复率都可控。早期随机碰撞式的产品在规划类产品普及后已不建议考虑，清扫时间长、漏扫率高。评估规划能力看三个可观察的细节：建图是否完整，家具边缘和门框有没有被画进地图；能否分区清扫、设置禁拖区，有宠物活动区和地毯的家庭这项很实用；跨房间任务被打断后，能否回到断点继续，而不是从头再来。演示视频里机器走得顺不顺、绕不绕弯路，比吸力数字更值得看。
边角清洁与拖布自清洁
两处细节常被忽略，却是体验分水岭。边角清洁：圆形机身边缘离墙角有一段天然死角，部分机型用边刷外扩或机械外扩的拖布贴边设计来弥补，家里墙角杂物多的，这项差异每天都能感受到。拖布自清洁：带自动清洗基站的中高端机型，洗拖布的水箱、烘干功能、污水箱清理频率各有差异，选型时按「愿不愿意每周手动维护」来定——能接受每周倒污水、清基站的，自清洁机型在拖地体验上的提升立竿见影；完全不想维护的，选简单款反而更省心。集尘、加水、洗拖布的自动化程度逐级上升，价格也随之拉开，按需求截断即可。
家有宠物与杂物的选法
不同家庭环境，选型权重完全不同。有宠物：优先避障识别清单里明确包含宠物粪便的机型，否则一次事故的清理成本超过所有省下的时间；毛发缠绕问题看滚刷设计，双滚刷或防缠绕设计在长发家庭里表现更好，在宠物掉毛多的场景表现更好。地面杂物多：数据线、袜子、儿童玩具是避障考试题，摄像头类方案的识别清单越全越稳，同时养成扫前收线天的习惯，机器再聪明也别拿极端场面考它。大平层与复式：看续航与多楼层地图支持，续航在中大户型里的重要性高于一切参数。小户型预算有限：把预算从吸力挪给避障，体验差距更明显。
参数表之外的实测参考
选购时的信息来源也有讲究。商品页的演示视频多在理想环境下拍摄，参考价值有限；第三方评测的重点看三项——避障测试放了什么障碍物、建图后的地图完不完整、长期使用报告里有没有提故障。用户评价里筛关键词：反复出现「卡住」「漏扫」「拖不干净」的机型要谨慎，出现频率决定权重，单条差评不作数。实体店体验机会少，可以约有同款机器的熟人看一次实际清扫，十几分钟的现场观察比一个月的参数研究直观。买回来后头两周是磨合期，配合收拾地面、设置禁拖区，把机器的地图养好，后面才是它真正的日常水平。
扫地机器人避障差的典型表现有哪些？
- 机器总在同一个地方卡住，是避障坏了吗？：多不是故障，是该处障碍物超出它的识别能力，比如黑色反光的数据线、透明椅子腿。先收拾该处杂物，再在地图里把高频卡点设为禁区，两步通常就能解决。
- 避障太灵敏会不会漏扫？：会。识别到障碍物后绕行的距离过大，会留下明显漏扫圈。看机型是否有绕行距离的档位设置，可调的机型在杂物少的家庭里能兼顾两者。
- 建图后搬家或换家具，地图要重扫吗？：小幅挪动家具多数机型能自动更新地图，布局大改或换楼层就需要重新建图，重建前导出或备份旧地图的功能值得留意。
延伸阅读：无人机的 AI 在哪？悬停避障与路径。
