生产级调度平台的底线：安全、审计与运维
demo 阶段安全、审计、运维看起来「没用」，但到了生产环境就是生命线。本文分享我们在安全基线、全链路审计、运维监控、灰度发布、版本治理上的实战经验。
技术专栏
具身智能与 VLA、RK3588 边缘计算、工业视觉与感知、机器人调度平台、仿真迁移与数据闭环运维的工程落地实践。
南向插件化：我们是怎么做到新增一个品牌只写一个驱动的
我们一开始在核心代码里塞满了品牌 if/else，新增一个品牌要改十几个地方。后来重构了越微自研南向插件化引擎，现在新增品牌只写一个驱动。
任务状态机与事件驱动：我们是怎么告别轮询、实现毫秒级监控的
任务生命周期怎么管理？机器人状态变化怎么实时推送到前端？我们一开始用轮询把服务器打崩了，后来改成越微自研事件驱动实时推送引擎，延迟从秒级降到毫秒级。
一套任务模型适配所有品牌：我们是怎么设计参数化命令数组的
不同品牌的任务格式千差万别。我们试过好几种方案，最后定了「参数化命令数组」，并封装在越微自研统一任务模型里。本文分享设计思路与落地经验。
WebSocket + MQTT 还是 UDP？机器人调度通讯架构选型实战
机器人和云端之间到底用什么协议通信？我们试过 UDP、纯 WebSocket，最后定了 WebSocket + MQTT 双通道。本文分享选型踩坑、心跳重连与幂等可靠性机制的工程实践。
多品牌机器人统一调度踩坑记：我们为什么放弃了「各管各的」
做机器人落地这几年，我们踩过的最大的一个坑，就是「多品牌机器人各管各的」。本文分享我们从「各管各的」走向越微自研统一调度引擎的真实经历，以及这个过程中踩过的坑、总结的经验。
具身算力平台选型：NVIDIA Orin vs RK3588 vs 华为昇腾
对比 NVIDIA Orin、瑞芯微 RK3588 与华为昇腾三大边缘算力平台，给出具身机器人场景下的选型策略与优化实践。
机器人 OTA 技术详解：SOTA/FOTA/MOTA 与持续进化
拆解机器人 OTA 架构与 SOTA/FOTA/MOTA 升级类型，覆盖安全可靠性与规模化持续进化的工程要点。
影子模式与数据闭环：算法如何在静默中持续进化
讲解影子模式（Shadow Mode）如何在不影响线上运行的前提下持续采集数据、发现问题并驱动算法迭代闭环。
边缘 AI 视觉系统的架构演进与未来方向
系列收官篇：从三进程架构、MPP+RGA、同源多任务、零拷贝通信、多模型推理、事件融合到部署与 OTA，回顾工业级边缘 AI 视觉系统的演进历程与未来方向。
从开发到现场：RK3588 边缘设备的冷部署与 OTA 升级实战
边缘设备分散在各个客户现场，网络不稳定，运维人员技术水平不一。本文分享冷部署与 OTA 升级方案，在不中断业务的情况下安全升级。
事件融合与证据链：从「疑似」到「确认」，我们如何把 AI 视觉误报率降到个位数
AI 模型每一帧都可能误检，如果每一帧检测到目标就告警，客户一天能收到几百条误报。本文分享越微自研工业多模态事件去重与证据链方案，把误报率降到 10-15%。
占据栅格网络：3D 体素感知如何解决通用避障难题
讲解占据栅格网络（Occupancy Grid Network）如何用 3D 体素感知突破传统 2D 避障局限，支撑通用导航与安全通行。
多模型多实例推理：单块 RK3588 NPU 如何同时跑人员入侵、烟火检测、垃圾分类
RK3588 NPU 有 6TOPS 算力，但单线程单实例推理时利用率可能只有 30-40%。本文分享多模型、多实例推理方案，把 NPU 利用率提升到 85%。
端到端学习 vs 分层架构：具身智能控制的现状与未来
对比分层模块化与端到端学习两种具身智能控制范式的核心思想、优劣与融合趋势，梳理工程落地选型要点。
零拷贝跨进程通信：边缘服务和算法服务之间如何做到近零 CPU 负载的图像传输
三进程架构下，解码和预处理后的图像帧怎么传给推理引擎？传统 socket 拷贝代价太高。本文分享零拷贝通信方案，把跨进程图像传输延迟降到 1ms 以内。
Sim-to-Real 全链路：物理引擎、合成数据与领域随机化
拆解仿真到现实迁移全链路：物理引擎、合成数据与领域随机化，降低真实数据采集成本并提升策略可迁移性。
同源多任务调度：一路视频流如何同时跑实时入侵检测和定时视频诊断
同一个摄像头，客户既想跑实时人员入侵检测，又想跑定时视频诊断和烟火检测。本文分享一路视频流同时支撑多个算法任务的同源多任务调度方案。
SLAM 技术全解：vSLAM vs Lidar SLAM 与多传感器融合
对比 vSLAM 与 Lidar SLAM 技术路线，讲解多传感器融合原理，帮助理解机器人如何回答「我在哪」与「周围有什么」。
MPP 硬解码 + RGA 加速：我们如何把 8 路 1080P 视频处理的 CPU 占用降到 20% 以下
很多人做边缘 AI 视觉第一反应是用 FFmpeg + OpenCV，但在 RK3588 上放着硬件解码和硬件图像加速不用就是暴殄天物。本文分享从软解码到 MPP + RGA 的优化实战。
VLA 模型深度解析：从 LLM/VLM 到 VLA，具身智能的大脑如何工作
从 LLM/VLM 到 VLA 的技术演进、核心原理与工程挑战，系统性拆解具身智能「大脑」如何从只会说话进化到能看会说还能动手。
为什么我们在 RK3588 上做了一套三进程边缘 AI 视频分析系统
做工业 AI 视觉这几年，最深刻的一个教训是：别把所有东西都塞在一个进程里。本文分享我们从单进程 demo 到三进程生产级系统的演进过程。
具身机器人硬件全景拆解：决策层、感知层、执行层、支撑层与 RK3588 边缘算力选型
从工程落地视角系统拆解具身机器人四大硬件系统，覆盖 Orin / RK3588 芯片选型、EtherCAT 通信、视觉与力觉传感器融合、关节执行器成本结构，建立从“大脑”到“肢体”的完整认知。
该分类下暂无文章，请切换其他分类查看。