光伏清洁机器人，如今都爱标榜"视觉导航"。

但拆开看，很多所谓"视觉导航"，内核并不是视觉。

典型架构是"RTK + 摄像头"。整机导航完全依靠 RTK 卫星定位，摄像头只是挂在机身上做辅助，要么做简单的边缘提取，要么只用来拍照留档，从不参与核心的定位决策。

一旦 RTK 信号丢失、失锁，机器就直接跑偏，无法独立完成清扫。

这就是行业里说的"伪视觉"：摄像头≠视觉系统，导航内核还是 RTK。视觉是表象，卫星才是实质。

伪视觉是"看"，语义视觉是"理解"

伪视觉的问题，在于它只"看"，不"理解"。

摄像头拍下画面，做的是边缘提取；判断哪里是板的边缘、哪里是边框。这是像素级的"看"。但光伏板是动态的：光线在变，阴影在移，灰尘在积。只靠"看"，强光一照，画面过曝，判断就乱了。

真正的语义视觉，做的是"理解"。它不是认出"这里有一块板"，而是理解"这块板的组件边界在哪、边框在哪、积灰分布是什么样"。

这个区别，决定了两条完全不同的技术路线：

• 伪视觉：靠外部信号（卫星）定位，视觉只是辅助

• 语义视觉：不依赖外部信号，靠语义模型理解场景本身

一个是"参照"，一个是"理解"。差一个字，差一整代技术。

语义理解，落到清洁上是三层

怪虫的 AI 语义视觉，把"理解"拆成了三个层次。

感知层，理解组件。 识别组件的有效区域、边框位置、网格线走向。不是框出一个大概的矩形，而是理解每一块板的真实边界。

决策层，理解积灰。 判断哪里积灰多、哪里积灰少，据此规划最优清洁路径。不是按固定路线来回刷，而是针对积灰分布做决策。

执行层，理解动作。 直线、叠缝、旋转、悬冲、清边、配速，六大技术动作对应清洁的每一个细节。换行不留缝、转弯不跑偏、边框不遗漏。

三层合起来，机器人才真正"懂"它脚下的光伏板。

数据，最能说明"理解"和"参照"的差距

技术路线不同，跑出来的数据也不同。

（‌年出勤率 =（年度实际出勤天数 ÷ 年度应出勤天数））

RTK 年出勤率 30%，意味着一年里大部分时间在停机——信号一丢，机器就不敢动。伪视觉约 50%，强光下判断出错，出勤率也上不去。

AI 语义视觉出勤率 74.5%，是 RTK 的 2.5 倍。漏清洁率 0%，覆盖率 100%。这就是"理解"和"参照"的差距：一个能稳定干活，一个受制于信号和光照。

语义理解，不是凭空来的

AI 语义视觉能"理解"光伏板，靠的是真实数据训练出来的。

怪虫的语义模型，基于 1200+ 真实电站场景、32 万张人工标注图片、31G 清洁作业视频训练。41 个国家、100GW+ 清洁量、近 4000 台在线设备，持续产生新的场景数据。

强光、阴影、反光、暴雨，这些真实环境里的复杂光照，都在训练数据里。模型越跑越懂光伏场景，越用越知道怎么在复杂条件下保持精准。

这就是语义视觉和伪视觉最根本的区别：一个靠算法理解，一个靠摄像头做营销。一个越用越准，一个换个光照就失灵。

从"看"到"理解"，是光伏清洁的分水岭

光伏清洁走了这么多年，定位技术一直是它的软肋。

靠卫星定位，信号一丢就趴窝。伪视觉加装摄像头，看着智能，实则还是 RTK 的内核。

AI 语义视觉把这条路走通了：不靠外部信号，靠理解场景本身。出勤率、漏清洁率、覆盖率，三个数字把差距摆在了明面上。

光伏清洁的分水岭，不在摄像头有几个，而在机器到底"看"还是"理解"

真正语义视觉导航，机器人依靠识别光伏板环境自主规划路线，导航本身不需要卫星定位这类外部定位信号。如果去掉 RTK 机器人就无法作业，则导航核心还是 RTK，视觉只起到末端对位的辅助作用。