摘要： 机器人的"方向感"从哪来？定位传感器一次讲透 机器人要导航、要避障、要执行任务，第一步得先知道自己在哪、朝哪个方向、走了多远。 这个"方向感"，靠的是两类最基础的传感器：IMU（惯性测量单元）和轮速计（编码器）。 它们一个像"内耳"，一个像"脚感"，各有绝活，也各有致命伤。单独用谁都撑不住，只有融合 阅读全文

摘要： 机器人调度平台部署怎么搭，才不会每次上线都排查502到半夜？ 最近帮一个做机器人调度平台二次开发的客户做上线支持——他们工程师连续三个晚上排查 502 到半夜，每次都怀疑是网络问题，最后发现 80% 都是这三道关的事。这就是这一篇要讲的事。 调度平台最难的一次排障，不是在算法层，是在部署那一晚。 " 阅读全文

摘要： 机器人栽跟头，往往在那些"没想到"的场景 一个机器人，九成九的常见场景都能完美工作，但只要在那百分之一的长尾场景里失败，就可能摔坏硬件、伤到人、丢掉客户信任。 实验室 demo 和真实世界的差距，不在常见场景（那些早做得很好了），而在长尾场景——真实世界里那些"没见过、没想到、意外"的情况。 什么是 阅读全文

摘要： RK3588 别再用一个 JSON 走天下了，边缘 AI 配置体系这么搭 很多做边缘 AI 设备的团队，把精力全放在算法和性能上，配置体系却是一个 config.json 塞到底。 开发阶段没问题，一到量产和运维阶段，问题全来了： 🔹 改一个参数要翻几百行，运维经常改错地方 🔹 不同客户配置差异 阅读全文

摘要： RK3588 边缘 AI 系统联调诊断指南：从"设备不工作"到"5 分钟定位根因" 越微智能（Yuewell）工业边缘 AI 工程实践系列 · 第 7 篇 关键词：联调诊断、系统自检、端到端打靶、诊断日志、NPU 状态、MPP 硬解、RTSP 拉流 一、为什么需要一套标准化的联调诊断流程 做边缘 A 阅读全文

摘要： 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 上一篇我们分享了多模型多实例推理，把 RK3588 NPU 利用率从 40% 提升到 85%。但推理准确率上去了，不代表告警就准了——AI 模型每一帧都可能误检，树叶晃动、光线变化、飞虫飞过都可能触发误报。如果每一帧检测 阅读全文

摘要： RK3588：一路视频流如何同时跑实时入侵检测和定时视频诊断 上一篇我们分享了 MPP 硬解码和 RGA 硬加速的实战经验，把 8 路 1080P 视频处理的 CPU 占用降到了 20% 以下。但解码能力上来之后，新的问题又来了——同一个摄像头，客户既想跑实时人员入侵检测（每秒 10 帧），又想跑定 阅读全文

摘要： 具身算力平台选型：NVIDIA Orin vs RK3588 vs 华为昇腾 「具身智能落地实战」系列第 15 篇（收官篇） 前 14 篇我们拆解了具身机器人的硬件、大脑、感知、控制、数据闭环、OTA、长尾场景、通用性评估等。但这一切都需要一个「算力心脏」来支撑——没有足够的算力，VLA 大模型跑不 阅读全文

摘要： 边缘 AI 视觉系统的架构演进与未来方向 这是「RK3588 边缘 AI 视觉系统架构实战」系列的收官篇。前面 7 篇我们从三进程架构、MPP+RGA 硬加速、同源多任务调度、零拷贝通信、多模型推理、事件融合与证据链、到部署与 OTA 升级，把一套工业级边缘 AI 视觉系统的核心模块拆解了一遍。这一 阅读全文

摘要： 从开发到现场：RK3588 边缘设备的冷部署与 OTA 升级实战 上一篇我们分享了越微自研事件融合引擎与证据链，把 AI 视觉误报率从 75% 降到了 10-15%。但系统做得再好，部署不上去、升级出问题，一切都是白搭。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，怎么把系统可靠地部 阅读全文