Sistema autónomo StarSight™
¿Qué es el sistema autónomo StarSight™?
El sistema autónomo StarSight™ de Roborock combina la tecnología LiDAR de estado sólido de doble transmisor, pionera en el sector, con la tecnología de tiempo de vuelo (ToF) 3D para ofrecer una navegación sin igual.1 Imagina un mundo en el que tu robot aspirador pueda ver su entorno en 3D con todo detalle y desplazarse sin problemas alrededor y debajo de los muebles. Eso es lo que te ofrece este sistema autónomo.
Con 21 600 puntos de detección* para la exploración 3D y una frecuencia de muestreo 21 veces superior al LDS2, proporciona una localización precisa, un mapeo exhaustivo y un reconocimiento de obstáculos fiable, y todo ello con un diseño extraordinariamente compacto. Esta innovación sienta las bases de futuras actualizaciones y mejoras en las funciones, y establece un nuevo punto de referencia en cuanto al rendimiento de los robots aspiradores.
* Saros 10R, Saros Z70 y Roborock Qrevo Slim utilizan un sensor ToF de resolución QVGA con 21 600 puntos de detección.
Hitos en tecnologías de navegación
Antes de la navegación LiDAR
Navegación por colisión aleatoria
Navegación por giroscopio
Localización y mapeo visual simultáneo (VSLAM)
Sistema de navegación PreciSense® LiDAR
En septiembre de 2016, Roborock logró uno de los primeros avances de la industria al producir en masa su sistema de navegación LiDAR basada en láser LDS, mejorando la precisión de la localización y el mapeo del robot aspirador.
Sistema autónomo StarSight™
En marzo de 2024, Roborock presentó el primer LiDAR de estado sólido con doble transmisor, pionero en el sector, con una tecnología de exploración 3D para lograr una precisión incomparable y sentar las bases de futuras innovaciones.
El sistema autónomo mejorado StarSight™ 2.0
Con la puntera tecnología de evitación de obstáculos lateral VertiBeam™, el robot aspirador maniobra sin esfuerzos entre muebles y paredes, y ofrece una experiencia de limpieza sin interrupciones, incluso cuando hay cables.
Cables por el suelo
Muebles y suelos irregulares
Ventajas del sistema autónomo StarSight™
Permite un diseño compacto que amplía la cobertura de limpieza
Detección 3D para un mapeo preciso incluso en zonas difíciles
Armarios suspendidos
Muebles de patas finas
Debajo de los muebles
Limpieza fluida con mejor reconocimiento de obstáculos
Objetos pequeños*
Obstáculos inesperados
Hasta 108 tipos de objetos reconocibles
* Basado en pruebas internas realizadas por el fabricante, Saros 10R y Saros Z70 pueden ver y sortear bloques de construcción cuadrados muy pequeños, de hasta 2 cm de ancho y 2 cm de alto. La precisión real depende del entorno.
La opinión de los expertos
"La incorporación de la navegación ToF permite retirar la cúpula del LiDAR de forma que el robot tiene un mayor alcance debajo de los muebles. Eso, junto con la eficaz aplicación, lo acerca a ser el robot más flexible que he visto".
Trusted Reviews
"Podrá ver que hay un montón de cables en el suelo, limpiará alrededor de ellos, acercándose lo máximo posible sin enredarse, e incluso los marcará en el MAPA de la habitación para que puedas recoger lo necesario. Y todo ello siendo uno de los robots más finos del mercado, lo que le permite meterse debajo de prácticamente cualquier espacio".
Mrwhosetheboss
"Es más fino que algunas boquillas de aspiradora convencionales.Todo un hito en el mundo de los robots aspiradores que parecía imposible de alcanzar".
TechRadar
Experimenta el sistema autónomo StarSight™ 2.0 con
Saros Z70 con base multifunción 4.0
Más información
Saros 10R con base multifunción 4.0
Más información
Experimenta el sistema autónomo StarSight™ con
Roborock Qrevo Slim con base multifunción 3.0
Más información
*Las imágenes se incluyen exclusivamente con fines ilustrativos y pueden no representar exactamente el producto.
1.Roborock fue el primer fabricante de robots aspiradores en implementar la funcionalidad ToF en 3D con un enfoque de transmisor doble, ya que esta tecnología se lanzó oficialmente a principios de 2024.
2.Basado en pruebas internas realizadas por el fabricante, utilizando el método de cálculo de la frecuencia de muestreo LDS.