Mobilny lidar w domu – ile danych gromadzi robot domowy

LiDAR w robotach domowych staje się standardem do precyzyjnego mapowania i nawigacji, ale generuje też znaczne ilości danych surowych, które wymagają przetwarzania i odpowiedniej polityki prywatności.

Jak działa LiDAR w robocie domowym

LiDAR emituje impulsy laserowe i mierzy czas powrotu sygnału, by obliczyć odległość do obiektów. Sensory wykonują setki tysięcy pomiarów na sekundę, które trafiają do modułu obróbki danych. Algorytm SLAM (Simultaneous Localization and Mapping) łączy kolejne pomiary w trójwymiarową chmurę punktów oraz w strukturę mapy przestrzeni i ścieżki robota. SLAM przekształca surowe punkty w strukturę mapy i pozycjonowania robota, co zmniejsza ilość danych zapisywanych na urządzeniu. Systemy mobilne dodatkowo integrują dane z enkoderów kół, IMU i kamer, co poprawia dokładność lokalizacji i pozwala na filtrację zbędnych pomiarów.

Ile punktów rejestruje LiDAR i skąd wynikają te wartości

Typowe wartości dla robotów domowych z mobilnym LiDAR-em mieszczą się w przedziale 200 000–240 000 punktów na sekundę. W praktyce:
Livox MID-360 jest przykładem sensora mobilnego stosowanego w robotach — deklaruje do 200 000 punktów/s, z zasięgiem do 70 m i błędem rzędu 3 cm. Profesjonalne skanery, takie jak Zenmuse L2, osiągają do 240 000 punktów/s i służą do dokładniejszych inwentaryzacji przestrzennych. Roboty sprzątające komercyjnych marek (np. niektóre linie Roborock, Xiaomi, Dreame) korzystają z wariantów LiDAR, które generują podobne rzędy wielkości pomiarów, choć końcowa liczba zapisywanych punktów zależy od filtrów, częstotliwości próbkowania i trybu pracy.

typowa szybkość rejestracji: 200 000–240 000 punktów na sekundę,
surowe dane z 1 godziny pracy: około 720–864 milionów punktów → ~11,5–13,8 GB przy założeniu 16 B na punkt,
rozmiar zapisanych map po przetworzeniu: zwykle od kilku megabajtów do kilkuset megabajtów,
ryzyko prywatności: analiza map i logów może ujawnić układ domu, nawyki mieszkańców i obecność zwierząt.

Przeliczanie punktów na objętość danych — szczegółowe obliczenia

Przyjmując, że sensor generuje od 200 000 do 240 000 punktów na sekundę, obliczenia dla 1 godziny pracy (3 600 s) wyglądają następująco. Dla 200 000 punktów/s: 200 000 × 3 600 = 720 000 000 punktów. Przy przyjęciu 16 bajtów na punkt (x, y, z, intensywność i metadane minimalne) daje to 720 000 000 × 16 B = 11 520 000 000 B ≈ 11,5 GB surowych danych. Dla 240 000 punktów/s: 240 000 × 3 600 = 864 000 000 punktów → 864 000 000 × 16 B = 13 824 000 000 B ≈ 13,8 GB surowych danych. W praktyce jednak praktyczne systemy stosują filtrowanie w czasie rzeczywistym, detekcję redundancji oraz kompresję, więc rzeczywiste pliki surowej chmury rzadko osiągają te wartości.

Dlaczego zapisane mapy zajmują znacznie mniej miejsca

Algorytmy SLAM i systemy zarządzania mapami stosują szereg technik redukcji danych. Redukcja redundancji polega na łączeniu punktów bliskich geometrycznie i usuwaniu punktów z obszarów stałych. Kompresja numeryczna i reprezentacja cech zamiast pełnej chmury pozwalają zapisać jedynie krawędzie, płaszczyzny i charakterystyczne cechy otoczenia. Zamiast każdorazowo przechowywać kompletną chmurę punktów, systemy zapisują grafy pozycji (pose graph), podmapy i uproszczone modele pomieszczeń. W efekcie zapisana mapa mieszkania może mieć rozmiar od kilku megabajtów dla uproszczonego planu do kilkuset megabajtów dla map wielowarstwowych i wysokiej szczegółowości. Mapy z zapisanymi wieloma poziomami szczegółów mogą osiągnąć kilkaset megabajtów, ale rzadko przekraczają jeden gigabajt.

Jakie dane oprócz chmury punktów gromadzi robot

Roboty z LiDAR-em przechowują i przesyłają szeroki zestaw informacji pomocniczych, które razem z mapą tworzą pełny obraz pracy urządzenia. Dane te obejmują między innymi mapy 2D i 3D z oznaczonymi strefami, logi nawigacyjne zapisujące ścieżki robota i błędy lokalizacji, odczyty sensora inertialnego (IMU) i enkoderów oraz często obrazy z kamery RGB lub kamery głębi. Dodatkowo przechowywane są metadane użytkownika — ustawienia stref i harmonogramów, etykiety pomieszczeń oraz dane sieciowe jak adresy IP i identyfikatory urządzeń. W niektórych implementacjach zapisuje się też diagnostykę systemu i zdarzenia bezpieczeństwa. Wszystkie te elementy zwiększają potencjalne ryzyko, gdy są przesyłane do chmury bez odpowiednich zabezpieczeń.

Przykłady praktyczne i scenariusze użycia

Przykład 1: Robot sprzątający pracujący w trybie normalnym z parametrem 200 000 punktów/s wykonuje cykl sprzątania trwający 30 minut (1 800 s). W tym czasie surowe punkty: 200 000 × 1 800 = 360 000 000 punktów → przy 16 B na punkt to około 5,8 GB surowych danych. Po wyrównaniu, filtrowaniu i kompresji zapisane mapy i logi mogą jednak ważyć jedynie kilkadziesiąt megabajtów. Przykład 2: Profesjonalny skaner (240 000 punktów/s) skanuje pomieszczenie przez 10 minut (600 s). Punkty: 240 000 × 600 = 144 000 000 punktów → ~2,3 GB surowych danych. Po przetworzeniu wynikowy model 3D lub uproszczona mapa mogą zajmować kilkadziesiąt do kilkuset megabajtów, w zależności od poziomu szczegółowości i formatu zapisu.

Ryzyka prywatności i dowody z badań

LiDAR w robocie domowym mapuje układ mieszkania i pozycje mebli z dokładnością wystarczającą do identyfikacji pomieszczeń, a przy odpowiedniej analizie — także nawyków mieszkańców. Badania i eksperymenty wskazują, że analiza trajektorii robota może ujawnić wzorce zachowań (np. godziny obecności osób, częstotliwość odwiedzania określonych pomieszczeń, obecność zwierząt domowych). Dodatkowo przeprowadzone eksperymenty sugerują, że LiDAR może być wykorzystany do analizowania drobnych wibracji powietrza i powierzchni w celu odzyskania informacji audio w warunkach laboratoryjnych, co zwiększa obawy o nietypowe kanały wycieku danych. Przesyłanie map i logów do chmury stwarza realne ryzyko niezamierzonego udostępnienia układu domu i wzorców zachowań użytkowników, szczególnie jeśli polityka prywatności producenta pozwala na analizę danych lub ich udostępnianie podmiotom trzecim.

Praktyczne zalecenia techniczne i konfiguracje dla prywatności

Przy konfiguracji robota warto zwrócić uwagę na kilka kluczowych ustawień. Wyłączenie przesyłania map do chmury redukuje ryzyko udostępniania struktur domu osobom trzecim. Preferowanie lokalnego przechowywania map, jeśli urządzenie oferuje taką opcję, zabezpiecza dane przed dostępem zdalnym. Regularne resetowanie lub usuwanie zapisanych map ogranicza gromadzenie historii ruchu w domu i minimalizuje ilość przechowywanych metadanych. Aktualizacja firmware do najnowszej wersji zapewnia łatki bezpieczeństwa i poprawki związane z zabezpieczeniami transmisji. Zabezpieczenie sieci Wi‑Fi silnym, unikalnym hasłem i włączenie szyfrowania WPA3 (jeśli router i urządzenie obsługują) zmniejsza ryzyko przechwycenia danych w sieci lokalnej. Warto również wybierać modele, które umożliwiają wyłączenie kamer lub ograniczenie funkcji chmurowych.

Co sprawdzić przy zakupie robota z LiDAR

Przy zakupie urządzenia z LiDAR-em rekomendowane jest zwrócenie uwagi na parametry techniczne i politykę prywatności producenta. Sprawdź liczbę punktów na sekundę — wartości 200 000–240 000 świadczą o solidnej zdolności mapowania. Zwróć uwagę na zakres skanowania i dokładność pomiaru (np. deklarowany błąd rzędu kilku centymetrów). Zapytaj o opcje przechowywania danych i możliwość pracy wyłącznie w trybie lokalnym bez synchronizacji z chmurą. Upewnij się, że producent jasno komunikuje, jakie dane są przesyłane i jak długo są przechowywane, a także czy istnieje możliwość ich usunięcia przez użytkownika.

Uwagi końcowe techniczne

LiDAR mobilny w domu generuje bardzo dużą ilość surowych danych — rzędu setek milionów punktów na godzinę pracy. Przetworzone mapy zapisane przez algorytmy SLAM są znacząco mniejsze i praktyczniejsze do przechowywania, lecz nadal zawierają informacje mogące ujawniać układ mieszkania i zachowania domowników. Świadome zarządzanie ustawieniami przesyłu danych, lokalne przechowywanie i regularne czyszczenie map znacząco poprawiają poziom prywatności użytkownika.