从单进程 demo 到三进程生产级系统，我们花了大半年时间，踩了很多坑，也走了一些弯路。但最终的结果是值得的——系统在客户现场稳定运行了几个月，算法团队可以独立迭代模型，运维人员可以方便地管理设备和任务。三进程架构不是什么高深的新技术，它就是「关注点分离」这个古老原则在边缘 AI 视觉系统中的具体应用。但真正把它落地，处理好进程间通信、共享内存、故障恢复、独立升级这些细节，需要大量的工程实践。

传统控制是人把规则写死，强化学习是让机器人自己试出来。人形机器人怎么学会走路、四足机器人怎么学会越障、灵巧手怎么学会拧瓶盖？这些动作太复杂，人工设计控制器几乎不可能。。

没有 OTA，训练好的新模型就送不到机器人上，数据闭环直接断掉。有了 OTA，整个飞轮才能真正转起来：影子模式收数据 → 训练新模型 → 验证 → OTA 灰度推送 → 监控 → 再收数据。它甚至改变了商业模式：🔹 从"卖硬件"到"卖服务"——客户愿意为"持续进化"付费🔹 从"项目制"到"产品制"——标准产品 + OTA 适配更多场景🔹 从"一次性交付"到"长期运营"——交付只是开始一句话收

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。。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，只有融合起来，才能又准又稳。

传统软件"部署即终点"，机器人算法恰恰相反——部署才是起点。因为真实环境比测试环境复杂太多，训练数据永远覆盖不了所有场景，环境还在不断变化。算法上线后得持续收集真实数据、发现问题、再训练、再部署，这个循环转起来，算法才越用越强。——摔一下、撞一下，可能就是硬件损坏甚至伤人。怎么破？答案是。

🔹 别为"快"用 UDP，控制场景可靠性第一🔹 遥测和任务一定要分通道🔹 MQTT 的 QoS、遗嘱消息、离线消息是真的香，能省掉大量造轮子的活🔹 心跳、重连、幂等、回执，一个都不能少，而且一开始就要做🔹 关键指标（连接数、延迟、重连次数、丢包率）要监控，别等客户投诉才知道出问题通讯架构是调度平台的"血管"，血管不通，再聪明的大脑也指挥不了身体。

对接文档这件事，不只是单纯的文字整理，也是产品能力的一环。合作方评估技术团队是否靠谱，对接文档就是最直观的参考。文档逻辑清晰，会让人觉得团队专业；文档含糊不清，很容易让人怀疑团队对自身系统的理解程度。现在我们给新同事做技术培训，第一课不是上手写代码，而是学习如何编写对接文档。对接文档是外部开发者能直接接触到的产品说明书，也是技术能力对外的直观体现。对接文档不只是单纯的技术文本输出，更是站在使用者视

从单进程 demo 到三进程生产级系统，我们花了大半年时间，踩了很多坑，也走了一些弯路。但最终的结果是值得的——系统在客户现场稳定运行了几个月，算法团队可以独立迭代模型，运维人员可以方便地管理设备和任务。三进程架构不是什么高深的新技术，它就是「关注点分离」这个古老原则在边缘 AI 视觉系统中的具体应用。但真正把它落地，处理好进程间通信、共享内存、故障恢复、独立升级这些细节，需要大量的工程实践。

接入多品牌这件事，表面上是个 SDK 对接问题，本质是个架构边界问题。边界一旦画清，后面接二十个品牌也不慌；边界不清，每接一个都在给自己挖坑。这是我们开发综合调度平台学到的第一课：先有抽象，再接产品。关于作者：越微智能（Yuewell）专注具身智能与工业 AI 视觉落地，基于自研 VLA 多模态大模型，提供全品牌机器人二次开发（适配宇树/优必选/智元/傅利叶）与工业级视觉算法定制，支持从算法、硬件

状态机这件事，第一版往往是最简单的，但也是最经不起现场考验的。客户不会按文档里的"理想流程"用系统，他们会按现场实际场景用。状态机设计得不够细，所有异常都要靠人肉兜底——这事儿无法长期可持续。我们现在评估一个调度平台是否"成熟"，第一眼看的就是状态机。状态机糙的，其他地方再漂亮也不靠谱。