Navigationseffizienz bei Saugrobotern: LiDAR oder Kamera. Ist Technik wirklich alles?
Warum LiDAR oft vorn liegt, wo Kamera- und Gyro-Systeme schwächeln und welche Faktoren einen Reinigungsdurchlauf effizient machen.
erstellt vom Bluepick-Team
LiDAR-Navigation mit Turm: meist die effizienteste Lösung
LiDAR steht für eine laserbasierte Distanzmessung. Der Roboter scannt seine Umgebung mit Laserimpulsen und erstellt daraus eine Karte des Grundrisses. Dieses Verfahren gilt bei Saugrobotern mit Mapping seit Jahren als besonders effizient, weil es Räume sehr schnell und sehr zuverlässig erfassen kann.
Der Roboter sendet Laserstrahlen aus, die durch Objekte in seiner Umgebung reflektiert und zurückgeworfen werden. Der Roboter "misst" die Zeit, die das Licht hin- und zurück benötigt hat, und bestimmt dadurch die ungefähre Entfernung des Objekts.
Der große Vorteil: LiDAR arbeitet weitgehend unabhängig von den Lichtverhältnissen. Ob tagsüber im hellen Wohnzimmer oder nachts im dunklen Flur gereinigt wird, spielt für die Orientierung keine Rolle.
LiDAR ist deshalb so stark, weil es lichtunabhängig arbeiten kann. Durch den Turm auf der Oberseite ist zudem eine schnellere 360 Grad-Erfassung möglich
Typisch für gute LiDAR-Modelle ist eine systematische Fahrweise in klaren Bahnen. Räume werden logisch nacheinander abgearbeitet, Zonen lassen sich präzise anfahren und auch nach einer Ladepause findet der Roboter meist sauber in den Reinigungsablauf zurück.
Ganz frei von Schwächen ist aber auch diese Technik nicht. Spiegelnde Flächen, bodentiefe Fenster oder sehr ungewöhnliche Raumgeometrien können die Kartierung beeinflussen. Außerdem sagt ein LiDAR-Turm allein noch nichts über die Qualität der Software aus: Ein schlecht abgestimmter Roboter kann trotz guter Sensorbasis unnötig Umwege fahren oder Karten durcheinanderbringen.
LiDAR-Navigation ohne Turm: flachere Bauweise mit Nachteilen
Da der Laserturm oben auf dem Roboter sitzt, ist dieser natürlich etwas höher. Die meisten Roboter haben dann eine Höhe zwischen 10,5 und knappen 12 cm. Dadurch passen sie nicht unter tiefe Möbel.
Die Lösung: den LiDAR-Sensor vorn im Roboter anbringen. Dadurch ist er deutlich flacher, aber navigiert trotzdem mit Lasersensoren.
Da der Sensor nur vorne sitzt, "sieht" er auch nur in diesem Bereich etwas. Für die Navigation oder einen Richtungswechsel, muss er sich also häufiger im Kreis drehen, damit er die Umgebung über die Vorderseite erfassen kann.
Kamera-Navigation: intelligent, aber stärker von der Umgebung abhängig
Bei der Kamera-Navigation orientiert sich der Saugroboter mithilfe von Bildern seiner Umgebung. Häufig kommt dabei eine Form von visueller SLAM-Technik zum Einsatz, also ein Verfahren zur gleichzeitigen Kartierung und Positionsbestimmung. In guten Implementierungen kann das sehr ordentlich funktionieren.
Die Achillesferse liegt in den Lichtverhältnissen. Sehr dunkle Räume, starke Gegenlichteffekte, direkte Sonneneinstrahlung oder wenig markante Oberflächen können dazu führen, dass das System die Orientierung schlechter hält. Dann treten eher Probleme wie unklare Wege, unsaubere Raumgrenzen oder Fehler beim Wiederfinden der Position auf.
Ein Vorteil von Kamerasystemen ist, dass sie je nach Ausstattung auch bei der Objekterkennung helfen können. Schuhe, Kabel oder Spielzeug lassen sich visuell oft besser klassifizieren als mit reiner Laservermessung. Das verbessert jedoch primär die Hindernisvermeidung und nicht automatisch die eigentliche Navigationseffizienz.
Ein großer Vorteil der Kamerasysteme war immer, dass sie besonders flach sind, da die Kamera oben im Roboter sitzt. Die Kamera zeigt also nach oben.
Die Kartenerstellung läuft dann häufig über das sog. Room-Mapping. Er erstellt also die Karte nicht, indem er Hindernisse, Wände oder Möbel erkennt und "einzeichnet", sondern er filmt quasi die Decke. Durch den Grundriss der Decke leitet er den Grundriss der Wohnung ab.
Man ahnt es schon: Stimmt der Deckengrundriss nicht mit dem Bodengrundriss überein, kann es zu Problemen kommen
Die wenigsten Roboter setzten noch auf diese Technologie, da sie eben auch lichtabhängig ist. Verbesserung bringt zwar eine LED-Leuchte an der Oberseite, aber wirklich perfekt ist es nicht. Einer der wenigen Hersteller, der lange Zeit an der kamerabasierten Navigation festgehalten hat, war iRobot.
Gyrosensoren: funktional, aber oft deutlich chaotischer
Gyrosensoren messen Richtungsänderungen und Bewegungen, und zwar ausgehend von ihrer Basisstation. Sie drehen sich quasi immer ein wenig, und messen diese Bewegung. Sie arbeiten ebenfalls systematisch, aber sie kennen nicht ihre aktuelle Position. Sie kennen nur ihren Standpunkt relativ zu ihrer Station.
Da er keine klassische Karte erstellen kann, kann man ihn auch nicht zu einem speziellen Punkt oder Raum schicken. Auch wenn der Akku leer ist und er wieder vollständig aufgeladen ist, weiß er nicht mehr, wo er mit dem Saugen aufgehört hat.
Viele günstigere Saugroboter nutzen diese Technik, um ihre Fahrten grob zu strukturieren. Das reicht für einfache Reinigungsaufgaben in kleinen oder wenig komplexen Wohnungen aus. Eine präzise Raumkartierung im Sinne von, "Sauge im Wohnzimmer" ist damit aber nicht möglich.
Besonders in Wohnungen mit vielen Räumen, Engstellen oder Hindernissen zeigt sich diese Schwäche deutlich.
Auch wenn Hersteller hier manchmal mit Begriffen wie intelligent oder dynamisch arbeiten, bleibt die Praxis oft nüchterner. Gyro-basierte Modelle reinigen nicht zwingend schlecht, aber sie arbeiten häufig weniger planbar, weniger flächeneffizient und mit höherem Risiko für manuelle Eingriffe.
Hybride Systeme und Sensorfusion
Viele moderne Saugroboter setzen nicht mehr auf nur einen Sensortyp. Stattdessen kombinieren sie LiDAR, Kamera, Infrarot, ToF-Sensoren, Wandsensoren, Absturzsensoren und zusätzliche Software-Modelle. Diese Sensorfusion kann die Navigation deutlich verbessern, wenn die Abstimmung gelingt.
Mehr Sensoren bedeuten allerdings nicht automatisch bessere Ergebnisse. Entscheidend ist, wie sauber die Daten zusammengeführt werden und wie gut die Software auf typische Alltagssituationen reagiert. Ein technisch vollgepackter Roboter kann in der Werbung beeindruckend klingen und im Wohnzimmer trotzdem unerwartet viel improvisieren.
Eine starke Hinderniserkennung ist nicht dasselbe wie eine starke Navigation. Ein Saugroboter kann Kabel und Schuhe gut erkennen und trotzdem ineffizient fahren, Karten verlieren oder Probleme beim Andocken haben.
Die wichtigsten Einflussfaktoren neben der Sensortechnik
Licht und visuelle Orientierung
Vor allem Kamera-Saugroboter reagieren auf schwierige Lichtbedingungen. Dunkle Flure, nächtliche Reinigungen ohne Beleuchtung oder direkte Sonnenstrahlen über große Fensterfronten können die Orientierung beeinträchtigen. Das muss nicht sofort zum Komplettausfall führen, kann aber zu mehr Suchbewegungen und weniger stabilen Karten führen.
LiDAR-Systeme sind hier meist robuster. Sie profitieren davon, dass ihre Umgebungswahrnehmung nicht auf sichtbares Licht angewiesen ist und damit auch bei Dunkelheit genauso gut arbeiten. Ausnahmen bilden hier große Spiegel- oder Fensterfronten. Diese reflektieren das Licht anders, wodurch der Roboter kein einzelnes Objekt erkennen kann. Spiegel werfen das Licht immer direkt zurück.
Grundriss und Möblierung
Offene Wohnbereiche sind für Roboter leichter als enge, verwinkelte Wohnungen mit vielen Stuhlbeinen, Nischen und kleinen Zwischenräumen. Je komplexer der Grundriss, desto wichtiger wird eine präzise Positionsbestimmung. Ein ungenaues System produziert hier schnell mehr Überlappung oder lässt schwer erreichbare Bereiche aus.
Auch Möbel mit reflektierenden oder transparenten Flächen können die Kartierung erschweren. Spiegel, Glasfronten oder sehr glänzende Oberflächen sind klassische Kandidaten, bei denen die Karte gelegentlich etwas fantasievoll wird.
Problematisch wird es in Kombination mit einer zu vorsichtigen Hinderniserkennung. Der Roboter will einen guten Abstand halten, hat aber vielleicht dann zu wenig Platz zum ausweichen.
Hindernisse auf dem Boden
Kabel, herumliegende Textilien, flache Gegenstände oder auch schwarze Teppiche können die Navigation indirekt beeinflussen. Manche Roboter interpretieren sehr dunkle Oberflächen durch ihre Sensorik als Abgründe oder meiden bestimmte Stellen vorsichtshalber. Andere verlangsamen sich stark, weil die Hinderniserkennung übervorsichtig arbeitet.
Das zeigt, dass Navigationseffizienz nicht nur mit dem Finden des Weges zu tun hat, sondern auch mit der Fähigkeit, auf realistische Wohnsituationen zu reagieren.
Position der Basisstation
Die Basisstation ist der Start- und Zielpunkt jeder Reinigung. Steht sie ungünstig, etwa in einer Ecke mit wenig Freiraum oder direkt neben spiegelnden Flächen, kann das Andocken schwieriger werden. Viele Modelle scheitern daran erstaunlich regelmäßig.
Bei vielen Robotern zeigt sich hier ein typisches Muster: Der Reinigungsdurchlauf klappt zwar gut, aber der Rückweg zieht sich, weil mehrfach neu angesetzt oder die Station erst nach Suchbewegungen gefunden wird.
Viele Roboter navigieren nach dem Saugen nicht oder nur teilweise mit ihrer internen Karte zurück zur Station. Sie kommunizieren mit der Station stattdessen über Infrarotsensoren. Daher wirkt der Roboter auf dem Weg nach Hause manchmal wie planlos.
Kartenstabilität über längere Zeit
Ein häufiger Irrtum: Wenn die erste Kartierung ordentlich aussieht, gilt die Navigation als gut. In der Praxis treten viele Probleme erst nach einiger Zeit auf. Räume werden plötzlich falsch zusammengelegt, No-Go-Zonen verrutschen, die Position springt oder der Roboter beginnt unerwartet eine Teilkarte neu aufzubauen.
Passt der Roboter die Karte nicht an eine neue Umgebung an oder kommt es zu Verschiebungen der Wände, dann sieht auch die Navigation entsprechend aus.
Ein häufiger Irrtum: Roboter suchen sich ihren Weg nicht anhand des aktuellen Raumes, sondern ihrer internen Karte. Ist die Karte also verschoben, dann fährt er seine Strecke nach dieser internen Karte ab. Das wirtk dann mitunter komplett planlos, da diese Karte nichts mehr mit der Realität zu zun hat.
Gerade deshalb ist die Langzeitstabilität ein wichtiger Teil der Bewertung. Gute Navigation muss nicht nur am ersten Tag beeindrucken, sondern auch nach vielen Reinigungsfahrten noch zuverlässig funktionieren.
Woran sich gute Navigation im Alltag wirklich erkennen lässt
Die beste Navigation ist oft die, die kaum auffällt. Ein gut abgestimmter Saugroboter startet, arbeitet Räume logisch ab, umfährt Hindernisse sinnvoll und fährt am Ende wieder zurück, ohne dass der Reinigungsprozess Aufmerksamkeit verlangt.
Für die Bewertung in echten Wohnungen sind deshalb vor allem praktische Beobachtungen relevant. Technische Daten liefern Hinweise, das reale Verhalten entscheidet jedoch darüber, ob ein Gerät im Alltag als effizient gelten kann.
Wie oft muss der Roboter befreit werden? Häufiges Festhängen ist ein klares Warnsignal.
Wie oft wird ein Reinigungsdurchlauf nicht störungsfrei abgeschlossen?
Werden Bereiche ausgelassen? Einzelne vergessene Zonen deuten auf Karten- oder Routing-Probleme hin.
Findet das Gerät zuverlässig zur Basisstation zurück? Besonders nach längeren Fahrten oder aus entfernten Räumen.
Wie hoch ist die Flächenleistung pro Akkuladung? Effiziente Navigation holt mehr aus derselben Batterie heraus.
Bleibt die Karte stabil? Eine gute Karte ist nicht nur schön, sondern dauerhaft nutzbar.
Ein Roboter mit hoher Navigationseffizienz fährt nicht unbedingt spektakulär intelligent, sondern vor allem ruhig, berechenbar und vollständig. Genau das macht ihn im Alltag wertvoll.
Ein Saugroboter mit guter Navigation fällt oft gerade dadurch auf, dass er kaum auffällt.
Für die Einordnung der vielen Unterschiede nach Wohnungsgröße, Grundriss und Hindernissen hilft auch ein interaktiver KI-Ratgeber:
Was ist deine Meinung?
Zufrieden? Oder fehlt etwas? Fehler gefunden? Klicke auf ein Emoji, um uns Feedback zu geben!