从2001 年伊莱克斯开发了全世界第一款“三叶虫”，扫地赢咖4先后经历了全自动扫地、开 环局部规划、激光雷达导航等三个阶段。扫地赢咖4的技术难度主要体现在定位导航部分，从这一点来看，扫地赢咖4的这三个阶段分别为盲扫、无记忆地建图扫和有记忆地建图扫。
不过，激光雷达只能建立平面的深度图像，且成本一直居高不下，多年来迟迟未得到广泛应用。而随着视觉算法和视觉计算处理器的发展，扫地赢咖4迎来了基于视觉识别技术和AI 算法的时代。
视觉导航是指利用摄像头扫描周围的环境，然后结合红外传感器，利用数学运算和几何、三角法测绘出房间的地图，以此来进行导航，并根据前后影像中各个地标的位置变化来判断当前的移动路线，对其所构建的环境模型进行更新与调整。
目前，市面上使用Vslam 方案的只有Dyson 和iRobot ，前者于2014 年9 月推出360Eye ，后者于2015 年9 月推出Roomba 980 。国内这几年也开始涌现不少做Vslam 方案的初创企业，其中创立于2016 年2 月的SanKoBot （珊口智能）便是其一。与其他竞争对手不同的是，SanKoBot的Vslam方案拥有包括Vslam视觉、物体识别、图像处理、人脸识别等多种创新技术，兼具自主创新和产业落地能力，提供赢咖4算法和整体方案。
基于Vslam 开源算法， SanKoBot 高度优化绝大部分性能。比如，实现了可以应用于弱光、弱纹理、强光、甚至快速光照变化等一系列高难度的室内场景，打破了原有Vslam 技术高度依赖于光线条件的应用局限。同时，搭载的“ SKB HOME AI大脑”将图像中的物体进行识别、分类记录，并规划最佳清扫路径，实现自动避障、提高清扫效率。
去年10 月， SanKoBot 在香港发布了单目视觉模组，助力家庭扫地赢咖4产业升级迭代，国际首个在普通芯片（R16无加速芯片）实现Vslam 算法产品化的公司，成为同行努力效仿的对象，也奠定行业领导者的地位。
11 月， SanKoBot 成为全球率先实现室内物体实时识别检测，应用在扫地赢咖4领域可与Vslam 同时运行。该扫地赢咖4一边画出室内地图，一边做识别检测，并在地图记录好物体位置。该方案是基于端的实时检测和Vslam ，无需云辅助或者加速芯片帮助，是基于同一个摄像头且为单目。
12 月，全覆盖带有路径规划算法+ Vslam 视觉定位的模组，以及整机进入量产，截止目前SanKoBot 已经给TCL 等国内外知名企业供货。
在成立不到两年的时间里， SanKoBot 能取得如此耀眼的成绩，离不开背后成熟的团队。创始人兼CEO 李磊有多年的国内外TMT 行业经验和芯片产业经验，曾为国际知名以色列图像视觉公司Cortica 中国的总负责人，也是多家硅谷和以色列创业公司的早期投资人；联合创始人崔彧玮毕业于美国马里兰大学，获计算神经学博士学位，曾任硅谷AI 公司Numenta 高级研究员，拥有2 项美国AI 核心专利，曾获William Hodos 奖项；算法总监王子敬曾任Panasonic 新加坡研究院算法负责人，具有16 年计算机视觉及AI 研发、产业落地经验，其所设计的人脸检测、人体检测算法应用于松下监控相机及数码相机中。此外，技术、管理团队分别来自于United Technologies 、优必选、三一重工、 ZTE 、万国商业网等企业。
在李磊看来， SanKoBot 的技术在设备上实现了类似于人类的眼睛和部分大脑的功能，扫地赢咖4只是落地的第一步。
随着视觉Vslam 的技术逐渐落地， SanKoBot 于去年12 月宣布已与国内一间知名公司达成合作，将其视觉识别技术应用于城市智能大脑。例如，当城市中摄像头数量约为50 万个时，仅两周产生的数据就已达到8000T ，这是一个巨量的信息。在如此海量的数据中找到某时段、某辆车的信息，通过传统方法，也许需要400 人花上一整天的时间才能找到。但通过SanKoBot 提供的技术，将车的颜色、品牌、行人等数据在录制的时候就进行提炼和分类，存储在云端索引中。在其内搜索关键词、时段等信息，几分钟内就可以检索到结果，这将大大提升城市管理的效率。
去年6 月， SanKoBot 完成1100 万天使轮融资，国金投资领投，王利杰pre – Angel ，深圳朗科和鼎翠， IKEA 等跟投。同月获得上海张江临港的政府支持以及数百万智能制造专项资金。目前珊口智能正在新一轮融资，用于研发投入和产品化商业化。
