Cinco años en lo más alto

Cómo aprende Landroid
La IA del Landroid Vision se entrena de la misma manera que las personas aprenden a reconocer el mundo: observándolo. Imágenes reales, recopiladas a lo largo de millones de horas de corte, perfeccionan la red neuronal, lo que permite una mejor detección, una navegación más precisa y decisiones más efectivas.

Por qué los datos reales importan
Los robots cortacésped de nueva generación se basan en fotos de archivo, escenas preparadas o imágenes sintéticas para entrenar su IA. Pero los jardines reales no están preparados. La luz cambia, las sombras se desplazan, las superficies varían y los objetos aparecen de forma inesperada: una complejidad natural que ningún simulador puede reproducir realmente.

Una experiencia en la que puedes confiar
Al haber sido el primer cortacésped con visión en el mercado, Landroid cuenta con años de datos reales que otros simplemente no tienen. Una experiencia que a otros les llevaría millones de horas de corte reales para igualar.

Cómo Vision Cloud mapea tu jardín automáticamente
Vision Cloud mapea tu jardín nada más sacarlo de la caja — sin conducirlo, sin marcar recorridos ni configurar nada. Así funciona:

1. La IA de visión estereoscópica explora el perímetro
Las cámaras estéreo de Vision Cloud utilizan percepción de profundidad para comprender la forma del jardín. Al recorrer los bordes, el robot identifica visualmente límites y elementos del entorno en tiempo real. Impulsado por Worx Vision IA, entrenada con millones de horas reales de corte en todo el mundo, reconoce los entornos como lo haría una persona.

2. RTK fija cada posición con precisión
Mientras el robot se desplaza, RTK registra continuamente coordenadas con precisión centimétrica. Esto ancla la exploración al espacio GPS real y garantiza precisión a largo plazo.

3. V-SLAM captura referencias visuales
Al mismo tiempo, V-SLAM identifica referencias visuales distintivas — patrones, bordes, texturas y objetos que puedan reconocerse más adelante.

El resultado
Un modelo 3D preciso de tu jardín, creado automáticamente:

• los bordes y límites quedan claramente definidos
• se comprenden las características y transiciones
• el mapa queda anclado a coordenadas reales

Todo sucede nada más sacarlo de la caja — sin manejo, sin joystick, sin control desde la app.

Cómo funciona RTK Cloud — y por qué es importante

La mayoría de los robots cortacésped con RTK dependen de una estación base local. Una antena fija instalada en la propiedad envía los datos de corrección directamente al robot. Este enfoque puede ofrecer una alta precisión, pero conlleva compromisos: hardware adicional, conexión a la red eléctrica y una colocación cuidadosa. Para funcionar correctamente, la antena necesita una vista despejada del cielo — ni demasiado cerca de edificios ni bajo árboles. En algunos jardines, la única ubicación adecuada puede ser el tejado, lo que puede requerir una instalación profesional.

Servicios de corrección RTK basados en la nube
Algunas soluciones de corte robotizado utilizan servicios de corrección RTK en la nube, que proporcionan datos de posicionamiento mediante suscripción y eliminan la necesidad de una estación base local. Como estos servicios están diseñados para dar soporte a una amplia gama de aplicaciones GNSS, y no específicamente al corte robotizado, la precisión y la consistencia pueden variar, especialmente en entornos residenciales donde las condiciones de señal son más complejas y dinámicas.

RTK Cloud adopta un enfoque diferente
RTK Cloud está desarrollado específicamente para el corte autónomo. Worx opera una red dedicada de estaciones de referencia instaladas profesionalmente, optimizadas para el funcionamiento robótico en condiciones residenciales reales. En lugar de instalar hardware en casa, el robot recibe datos de corrección en tiempo real directamente desde la nube, ajustados a su ubicación exacta. El resultado: precisión a nivel centimétrico, sin antenas in situ, sin postes, sin cables — solo posicionamiento preciso, entregado automáticamente a cada robot.

Navegación fiable, incluso cuando el GPS no es perfecto

RTK delivers exceptional accuracy — but like all satellite systems, signal quality can vary near trees, buildings, walls, pergolas, or dense hedges. Vision Cloud is designed for exactly these real-world conditions.

1. Los referentes visuales actúan como puntos de referencia
Vision Cloud memoriza puntos visuales en todo el jardín. Cuando la recepción satelital se debilita, el robot cortacésped reconoce estos puntos y sabe al instante dónde se encuentra.

2. Navegación por estimación, perfeccionado por visión
Entre una actualización satelital y la siguiente, Vision Cloud sigue su movimiento mediante:

• Sensores inerciales (IMU) para el movimiento y la orientación
• Codificadores de rueda para la distancia y la dirección

A diferencia de los sistemas básicos, Vision Cloud contrasta continuamente su movimiento con lo que ve, reduciendo drásticamente la desviación.

3. Fusión de sensores sin interrupciones
RTK, visión estéreo, referencias visuales, IMU y odometría se integran continuamente en una única estimación coherente de posición.

El resultado

• Navegación estable bajo árboles y cerca de edificios
• Sin desviaciones ni deriva acumulada
• Precisión de corte constante en todo el jardín

Incluso cuando los satélites fallan, Vision Cloud no lo hace.

¿Por qué cortar después del atardecer?

Cortar el césped tras el atardecer se recomienda durante los periodos calurosos de verano por varias razones:

1. Menor estrés para el césped
2. Cortar con calor intenso debilita el césped
3. Las temperaturas más frescas de la tarde facilitan la recuperación del césped.
4. Menor pérdida de humedad
5. El césped recién cortado pierde agua más rápido al sol – el corte nocturno ayuda a retener la humedad.
6. Crecimiento más saludable del césped – favorece un desarrollo fuerte y uniforme.
7. El césped se recupera durante la noche gracias a temperaturas más bajas y estomas relajados que mejoran la absorción de agua
8. Menos malas hierbas – un césped menos estresado resiste mejor su aparición.