O que é vSLAM num aspirador robot
vSLAM é navegação por câmara: o robot reconhece pontos visuais na casa para se localizar e construir um mapa — sem a torre de laser típica do LiDAR.
Nas fichas vais ver «vSLAM», «navegação por câmara» ou «mapeamento visual». Em inglês, Visual Simultaneous Localization and Mapping: localizar-se e mapear ao mesmo tempo, usando imagens em vez de um laser giratório.
É o sistema que muitos Roomba usam como navegação principal. A vantagem óbvia é o perfil mais baixo (sem puck no topo). A contrapartida clássica: precisa de luz suficiente e de «marcas» visuais na casa para não se perder.
Importante: câmara de obstáculos ≠ vSLAM. Um robot com LiDAR pode ter câmara só para desviar de cabos e sapatos, sem usar a câmara como mapa principal. Este guia separa os dois papéis.
Em 30 segundos
Três ideias para ler «navegação por câmara» sem confundir com desvio de obstáculos.
- 01
vSLAM = mapa por imagens
A câmara segue cantos, molduras e texturas frame a frame para saber onde está e desenhar o mapa.
- 02
Precisa de luz e de referências
No escuro, em corredores lisos ou com poucas marcas visuais, a localização pode degradar-se.
- 03
Ganha altura sob móveis
Sem torre LiDAR, o corpo pode ser mais baixo — útil se a folga sob o sofá ou a cama é justa.
O que é vSLAM
Simultaneous Localization and Mapping visual: o robot constrói o mapa e estima a posição ao mesmo tempo, a partir da câmara.
Em vez de medir distâncias com laser, o vSLAM analisa sequências de imagens. Identifica pontos distintivos — canto de um quadro, perna de uma mesa, aresta de uma porta — e acompanha como esses pontos se movem entre fotogramas. Com isso estima quanto avançou e onde está no mapa.
É parecido com a forma como te orientas numa casa conhecida: reconhecês marcos, não contas metros com um metro laser. Por isso o sistema depende do que a câmara consegue «ver» com clareza.
Algumas marcas descrevem isto simplesmente como mapeamento por câmara. O conceito é o mesmo: localização visual + mapa, sem a torre LiDAR clássica.
- Captar frames
A câmara regista o que está à frente ou acima, conforme o desenho do modelo.
- Reconhecer marcos
Algoritmo destaca cantos, texturas e arestas estáveis.
- Triangular posição
Compara frames seguidos para estimar movimento e orientação.
- Actualizar o mapa
Junta zonas limpas e paredes estimadas para planear a rota.
- vSLAM = mapa e posição a partir de imagens.
- Não é obrigatório ter torre no topo.
- Precisa de contrastes e luz suficientes para «agarrar» pontos.
vSLAM não é o mesmo que desvio de obstáculos
A mesma câmara pode servir dois trabalhos diferentes — e as fichas misturam os termos com frequência.
Localização (vSLAM) responde a «onde estou no mapa?». Reconhecimento de obstáculos responde a «o que está à minha frente e devo contornar?» — por exemplo um cabo, um brinquedo ou dejectos de animal.
Um Roomba pode usar visão para se localizar e, noutros modelos, sistemas de visão treinados para evitar objectos específicos. Um Roborock ou Ecovacs com LiDAR pode acrescentar câmara só para obstáculos, mantendo o laser como mapa principal.
Quando a ficha diz «câmara IA», pergunta: é para mapear, para desviar, ou para as duas coisas? Essa distinção evita comprares «câmara» a pensar que resolveste o mapa e os objectos no chão de uma só vez.
| Papel | Pergunta que responde | Exemplo no marketing |
|---|---|---|
| vSLAM / mapa visual | Onde estou e como está a casa? | «Navegação por câmara», «vSLAM» |
| Desvio de obstáculos | O que evitar já à frente? | «IA», «reconhece objectos», «PrecisionVision» |
| LiDAR | Que distâncias há até paredes/móveis? | «LDS», «laser 360°», «LiDAR» |
- Mapa / localização ≠ identificação de objectos.
- LiDAR + câmara de obstáculos é combinação comum.
- Lê a ficha além da palavra «câmara».
vSLAM frente a LiDAR
Nenhum é «sempre melhor»: falham em condições diferentes. A tabela resume o que importa na compra.
O LiDAR mede distâncias com laser e costuma mapear de forma mais estável no escuro e em espaços com poucas texturas. O vSLAM dispensa a torre e pode manter o robot mais baixo, mas depende de luz e de marcos visuais.
Em casas pequenas, bem iluminadas e com móveis que «marcam» o espaço, o vSLAM pode ser perfeitamente adequado. Em plantas abertas, corredores longos e limpezas de madrugada, o laser costuma ser mais previsível.
Os níveis da figura abaixo são orientativos para a decisão — não são scores de laboratório nem classificação nossa de marcas.
| Critério | LiDAR | vSLAM |
|---|---|---|
| Como mede posição | Distância a laser (ToF) | Marcos visuais nas imagens |
| No escuro | Mantém-se em geral | Piora sem luz suficiente |
| Paredes / corredores lisos | Robusto | Pode acumular erro (drift) |
| Hardware típico | Torre no topo | Câmara embutida, corpo mais baixo |
| Reconhecer o tipo de objecto | Não por si só | Só se houver modelo de IA à parte |
| Casas grandes / multi-divisão | Em geral mais previsível | Ok se houver luz e referências |
- Prioriza LiDAR se limpas no escuro ou a casa é grande e «vazia» de marcas.
- Prioriza vSLAM (ou aceita-o) se a altura sob móveis é o gargalo.
- Híbridos (laser + câmara) existem: lê o que cada sensor faz.
Onde o vSLAM costuma falhar
Luz fraca, poucas texturas e superfícies enganadoras são os pontos fracos mais citados.
Com pouca luz, a câmara perde marcos. Muitos modelos acrescentam um LED frontal, mas isso não iguala um laser que mede distância no escuro total. Se programas limpezas de madrugada com as luzes apagadas, confirma o tipo de navegação.
Corredores longos e paredes brancas uniformes dão poucos pontos para seguir. O erro de posição pode acumular-se ao longo da sessão (drift). Espelhos e vidros também confundem leituras visuais.
Mudanças grandes de layout — móveis rearranjados, obras, época de Natal com a sala irreconhecível — podem obrigar a remapeamento. O sistema adapta-se, mas não é instantâneo em todos os modelos.
- Testa mentalmente: limpas com luz apagada?
- Olha para corredores e zonas sem quadros/móveis.
- Mede a altura sob móveis se for esse o motivo para evitar LiDAR.
Quando o vSLAM deve pesar na decisão
Aceita ou procura vSLAM se o perfil baixo importa; não o escolhas só porque a ficha fala em «câmara inteligente».
Faz sentido considerar navegação visual se precisas de passar sob móveis baixos e os candidatos com torre LiDAR ficam de fora pela altura. Também pode bastar em apartamentos compactos e bem iluminados, desde que aceites ligar luzes ou evitar horários às escuras.
Se a prioridade é mapa estável em planta grande, limpeza programada no escuro ou corredores monótonos, LiDAR (ou híbrido com laser) costuma ser a aposta mais segura. Cruza sempre com mopa, estação e antiemaranhamento — a navegação é só uma peça.
No catálogo, compara o campo de navegação e a altura do robot. Os rankings por necessidade ajudam a shortlist; o glossário LiDAR completa o par.
| A tua situação | Inclina para |
|---|---|
| Sofá/cama baixos; LiDAR não passa na altura | vSLAM ou LiDAR retráctil (se existir no modelo) |
| Limpezas de madrugada sem luz | LiDAR |
| Estúdio pequeno, sempre iluminado | vSLAM pode bastar |
| Objectos no chão (cabos, brinquedos) | Desvio de obstáculos — independentemente do mapa |
| Vários pisos e zonas na app | Qualquer mapa fiável (confirma multi-piso na ficha) |
- Folga sob móveis justa → vSLAM / sem torre pode ganhar.
- Limpeza no escuro ou casa grande → valoriza LiDAR.
- «Câmara» na ficha → confirma se é mapa, obstáculos, ou ambos.
vSLAM orienta por imagens; confirma luz e altura
Usa a câmara como mapa só quando a casa e a rotina combinam com visão. Se o escuro ou a planta grande mandam, olha para LiDAR — e separa sempre mapa de desvio de obstáculos.