O que é reconhecimento de objectos num aspirador robot
Reconhecimento de objectos é a IA de visão que classifica o que está no chão — cabo, meia, sapato, dejecto — em vez de só detectar «há um volume». O número na ficha (50, 100, 300+) é marketing de categorias, não taxa de acerto em casa.
Desvio por luz estruturada sabe que há algo à frente. Reconhecimento põe-lhe um nome via câmara RGB e um modelo treinado. A margem de segurança muda: dejecto = volta larga; perna de cadeira = passa mais perto.
As marcas competem em «objectos reconhecidos». Guias independentes mostram que a corrida de números não correlaciona bem com testes de obstáculo — o que correlaciona é ter câmara (e profundidade) vs só structured light.
No catálogo, «Objetos reconhecidos» é um valor numérico quando a ficha o publica. Trata-o como ordem de grandeza do vocabulário da IA, não como score de limpeza.
Em 30 segundos
Três ideias para não comprar um número.
- 01
Nomear ≠ só desviar
IA classifica categorias; structured light só vê forma.
- 02
Precisa de câmara
Sem lente RGB, «AI recognition» no texto é quase sempre exagero.
- 03
O número é tecto
108 ou 300 categorias ≠ 108/108 acertos no teu tapete.
O que é reconhecimento de objectos
Classificação por visão computacional do tipo de obstáculo à frente do robot.
Uma câmara frontal captura frames; um modelo no aparelho (ou, em casos raros, na cloud) atribui etiquetas treinadas em milhares de fotos: cabos, meias, sapatos, taças, dejectos, etc. O planeador de rota usa a etiqueta para a distância de passagem.
Algumas apps mostram um diário de detecções (fotos do que contornou). Isso é bom sinal de sistema real — melhor do que «AI-powered» sem lista nem evidência.
O contador na ficha é quantas classes o modelo conhece. Roborock, Dreame, Ecovacs e outras publicam dezenas a centenas. Não publicam a taxa de falsos negativos em casa.
- Imagem + profundidade
Câmara (e muitas vezes ToF / luz estruturada).
- Classificar
Modelo atribui categoria se a confiança chegar.
- Escolher folga
Risco alto → arco largo; risco baixo → mais perto.
- Registar (opcional)
App mostra o que foi visto nessa sessão.
- Reconhecimento ⊂ desvio — é um nível acima.
- Categorias treinadas: o que não está na lista vira «objecto genérico».
- Notas de rodapé das marcas: «accuracy may vary».
O que o número na ficha não te diz
Mais classes no marketing ≠ melhor nota em cursos de obstáculos.
Análises de 2025–2026 notam uma «corrida» de object counts enquanto testes tipo Vacuum Wars (~24 objectos) não ordenam os robots pelo maior número anunciado. Modelos com ~200 e com ~300 podem empatar no pleno; structured light sem câmara fica em geral mais abaixo.
O que falha mais nos testes: cabos de carregador, cordões, meias, tecido leve, brinquedos minúsculos — sobretudo com pouco contraste no tapete. Dejectos simulados são o caso de uso que justifica pagar câmara em casas com cães/gatos.
Alguns flagships deixam adicionar objectos personalizados na app (com limites de tamanho). Útil, mas continua sujeito a luz e contraste.
| Claim | Tradução útil |
|---|---|
| «73 / 108 / 300+ objectos» | Vocabulário do modelo, não score % |
| «AI avoidance» sem câmara | Provavelmente só profundidade |
| Diário de fotos na app | Sinal de recognition real |
| Promessa pet waste + garantia | Caso iRobot — lê os termos |
- Paga a câmara + profundidade; o inteiro é secundário.
- Escuro: sem LED auxiliar a recognition RGB sofre.
- Privacy: há lente em casa — vê onde as imagens são processadas.
Quando deve pesar na compra
Pets e chão «habitado» justificam recognition; casa tidy pode ficar no desvio por profundidade.
Prioriza se o robot corre sozinho com animais, crianças ou cabos permanentes. Aí a classificação (sobretudo waste e cords) muda o risco real.
Se já arrumas o chão ou só tens structured light bom, o campo numérico pouco decide — olha sucção, mopa e estação.
No comparador, não ordenes só por objectos reconhecidos. Cruza com desvio, câmara e iluminação auxiliar. No assistente, diz «pets» em voz alta.
| Situação | Prioridade do recognition |
|---|---|
| Pets + limpeza sem supervisão | Alta |
| Cabos mas chão relativamente limpo | Média (desvio basta?) |
| Casa minimalista | Baixa |
| Escolher pelo maior «300+» | Má ideia |
- Recognition real = câmara + evidência na app.
- Número = vocabulário, não garantia.
- Compara o pacote de sensores.
Compra a câmara; lê o número com desconfiança
Reconhecimento de objectos é útil com pets e bagunça — desde que haja lente e desvio a sério. O contador na ficha é o dicionário da IA, não a nota do exame.