基于VLA进行产品研发落地的步骤

VLA用于清洁控制， 研发周期约12-18个月 ，核心风险集中在数据准备（占30%时间）和安全验证（占40%时间），可以采用"确定性框架+VLA增量"的架构，避免纯端到端方案。

VLA清洁控制的研发， 最难的不是模型本身，而是数据获取、安全设计和泛化验证 ，成功关键在于"不要追求完美模型，而是构建可迭代、可降级、可解释的工程体系"。

1

研发步骤

阶段1        阶段2        阶段3        阶段4        阶段5
需求定义  →  数据准备  →  模型开发  →  系统集成  →  验证部署
(1-2月)     (3-6月)      (3-5月)      (2-3月)      (3-6月)

关键里程碑：
├─ M1: 技术规格冻结
├─ M2: 数据集v1完成
├─ M3: 模型仿真验证通过
├─ M4: 硬件集成完成
└─ M5: Pilot用户测试通过

阶段1：需求定义与技术选型（1-2个月）

1.1 关键任务

1.2 注意事项

关键风险：

• 不要用"清洁干净"模糊标准，必须量化（如：ATP值<200 RLU）
• 算力预算要留30%余量，VLA推理开销容易超预期
• 传感器选型要考虑防水等级（IPX7以上）

常见错误：

• 低估形态多样性（方形、圆形、壁挂、智能盖板）
• 忽略光照条件变化（50lux到500lux）
• 未考虑水位变化对视觉的影响

1.3 最佳实践

阶段2：数据准备（3-6个月）

2.1 数据采集规范

准备阶段：

• 标准污渍配方（确保一致性）
• 标记关键清洁区域（水位线、内壁、排污口）
• 记录ID、型号、几何参数

示教阶段：

• 专业保洁员操作，动捕系统录制位姿
• 同步录制：视觉 + 力觉 + 位姿 + 时间戳
• 每个重复5次（不同操作员）

标注阶段：

• ATP荧光检测（每区域3个采样点）
• 标注清洁效果等级（A/B/C/D）
• 关联轨迹段与清洁区域

质检阶段：

• 轨迹连续性检查
• 标注一致性校验（双人交叉标注）
• 清洁度复测（10%样本抽检）

2.2 关键任务

2.3 注意事项

致命错误（会导致数据集废弃）：

• 污渍配方不标准 → 清洁度标签无效
• 时间戳不同步 → 无法训练时序模型
• 光照条件单一 → 模型无法泛化

质量问题（需要返工）：

• 示教员水平参差不齐
• 只录制成功案例
• 标注粒度太粗

2.4 最佳实践

阶段3：模型开发（3-5个月）

3.1 推荐架构

感知层：视觉编码器（ResNet-34）
        + 深度估计（Stereo/ToF）
        + 语义分割（内壁/水位线/异物）
                ↓
规划层：VLA核心（Transformer-L，100M参数）
        输入：感知特征 + 任务指令 + 状态历史
        输出：下一个关键点序列（不是直接动作）
                ↓
执行层：轨迹优化（样条插值 + 力控闭环）
        + 碰撞检测（实时距离场）
        + 安全限幅（力/速度/位置硬限制）

3.2 训练流程

3.3 训练配置

3.4 注意事项

模型设计陷阱：

• 直接输出关节角度 → 无法处理不同几何
• 纯视觉输入 → 光照变化时崩溃
• 单步预测 → 缺乏全局规划

训练常见问题：

• 过拟合示教员风格
• 忽略时序依赖
• 没有课程学习

3.5 最佳实践

阶段4：系统集成（2-3个月）

4.1 硬件清单

4.2 软件架构

应用层：任务调度 + 用户界面 + OTA更新
    ↓
算法层：VLA推理引擎 + 运动规划 + 感知融合
    ↓
中间层：ROS2节点 + 消息队列 + 参数服务器
    ↓
驱动层：传感器驱动 + 电机驱动 + 安全监控
    ↓
硬件层：摄像头 + 电机 + 力传感器 + IMU

4.3 安全监控模块

空间边界检查：

• 实时计算末端位置
• 查询几何模型距离场
• 越界立即停止并回退

力度限制：

• 力传感器实时监控
• 超过阈值立即回退
• 记录触发日志用于分析

速度限制：

• 接触状态下强制降速
• 不同区域不同速度上限

异常检测：

• VLA输出置信度 < 阈值 → 切换降级策略
• 推理延迟 > 阈值 → 暂停并重试
• 传感器数据异常 -> 安全停止

急停机制：

• 硬件急停按钮支持
• 急停后需手动复位

集成风险：

• VLA推理延迟超标 → 导致碰撞
• 传感器同步问题 → 感知不一致
• 电源管理不当 → 中途断电

工程陷阱：

• 没有日志系统
• 固件无法OTA
• 没有降级策略

4.4 最佳实践

阶段5：测试验证与部署（3-6个月）

5.1 测试金字塔

              ▲
             ╱ ╲ Level 5: 真实用户测试（Pilot，100+户，3个月）
            ╱   ╲
           ╱─────╲ Level 4: 用户环境模拟（真实光线、水位变化）
          ╱       ╲
         ╱─────────╲ Level 3: 多型号实验室测试（10+种）
        ╱           ╲
       ╱─────────────╲ Level 2: 标准测试（ATP清洁度达标）
      ╱               ╲
     ╱─────────────────╲ Level 1: 仿真测试（覆盖率>70%）

5.2 通过标准

5.3 注意事项

测试盲区：

• 只测干净
• 只测正常流程
• 忽略极端环境

测试陷阱：

• 测试型号太少
• 没有压力测试
• 忽略用户误操作

5.4 最佳实践

2

关键决策点与回退策略

降级路径：

1. 降级1：VLA只做路径规划，执行层用确定性算法
2. 降级2：VLA只做异常检测，清洁用预设轨迹
3. 降级3：完全切换到3D扫描+预设轨迹方案

3

最佳实践清单

架构层面

• 分层决策，VLA不直接控制电机
• 安全监控层独立于VLA
• 设计明确的降级策略

数据层面

• 仿真数据优先，真实数据精标
• 收集失败案例，不只是成功案例
• 建立持续数据回流机制

模型层面

• 输出关键点序列，不是单步动作
• 多模态融合（视觉+深度+力觉）
• 内置不确定性估计

工程层面

• 影子模式部署验证
• A/B测试框架
• 完善的日志和监控

产品层面

• 明确声明支持的型号
• 首次使用时的型号识别和提示
• 用户预期管理（不是万能清洁）

4

时间与资源估算

总计 : 12-18个月，峰值团队10人，约1000 GPU-hours