整合多团队反复处理的共性问题
- WHAT CHANGED
- 统一代码、运行框架、发版、回放与知识入口
MY SCOPE0→1 组建感知系统团队
WORK TIMELINE · 2019—2026 · ROBOTICS SYSTEMS / EMBODIED AI
从模型到真机，建设
可交付、可验收的机器人系统
从自动驾驶量产交付与团队建设，走到机器人完整任务、具身模型微调、受控执行与机器验收
MiaoDX · HANDS-ON ROBOTICS SYSTEMS LEAD · 完整简历
2019—2025 H1
自动驾驶量产交付 → 团队建设 → 规模化工程治理2025
机器人完整任务整机集成 → 任务交付 → 数据与评测2026 → NOW
模型到真机微调与适配 → 受控执行 → 机器验收开场先给长期定位，不强调身份型标签。默认根据岗位选择负责人版或 hands-on 版路线，三到八分钟均可结束并转入岗位讨论。
THE MAP · ROLE & SYSTEM EVOLUTION
岗位在变，解决问题的方法没有变
先定义完整结果与验收，再建立观测；一次解决以后，将方法沉淀为架构、工具、流程与 Owner 能力
ORIGIN · 2019—2021第一次量产DeepMotion · 算法工程师
ONSITE DELIVERY负责上汽合作项目现场交付一年多算法方案、现场问题、最小数据闭环与端侧性能
FIRST LESSON算法效果只是起点现场可运行、问题可闭环、客户可验收，才算交付
让规模不再放大质量与性能风险
- WHAT CHANGED
- 测试左移、自动路由、整机资源预算与持续运行
MY SCOPE团队负责人 · 系统工程与量产交付
从新领域切入完整机器人任务
- WHAT CHANGED
- 专项测试、整机性能、端到端交付、数据与评测
MY SCOPE横向整机系统 + 纵向完整任务
把公开模型能力带进自有真机任务
- WHAT CHANGED
- π0.5 微调与 G2 适配 + RoboClaws 执行 + RoboHarness 验收
MY SCOPE模型、执行、验收三层闭环
统一阅读顺序 WHY → MY SCOPE → WHAT CHANGED → EVIDENCE → CARRY FORWARD
负责人岗位默认从本页进入团队建设页；hands-on 或 Staff 岗位默认进入机器人交付与模型到真机页。
ACT 01 · BUILD THE TEAM & SYSTEM
从 0 到 1：用小团队统一感知系统工程
把多个算法团队重复处理的板端集成、迁移、发版、性能和排障，变成共用代码、工具、机制和清晰 Owner
WHY
共性工作依赖少数关键人员
- 多平台、多车型频繁迁移
- 每个团队重复建立上下文
- 交付与排障难以规模化
MY SCOPE
0→1 组建最多 9 人团队
- 招聘、培养、绩效与团队目标
- 持续参与关键架构与实现
- 每位成员负责完整系统模块
WHAT CHANGED
让同类问题尽量只解决一次
- one-repo 与统一运行框架
- 自动发版、回放、质量与性能工具
- 文档、Review、Owner 与问题路由
1→N一套代码支持多平台、多车型
1—2 天新成员通常提交首个有效修改
95%静态检查覆盖率
团队成立的标准不是持续依赖负责人 转岗后，Owner、代码、工具与流程仍继续运行
直接管理规模是最多 9 人；百人级是平台与机制影响范围，不表述为直接管理。人员成长与继任案例在面试中按需展开。
ACT 01 · SCALE & GOVERNANCE
从 1 到 N：把质量和性能变成持续运行的机制
高频变更、百人级协作和资源耦合，不再依赖发版前人工检查或少数人临时救火
WHY 01局部指标改善可能造成系统退化
WHY 02人工检查无法覆盖持续合入
WHY 03模型和任务竞争 CPU / GPU / 内存
让问题更早暴露
Change → SIL / DIL → 运行时检查在进入发版分支前拦截高成本问题把人工判断写进系统
堆栈分析 → 模块识别 → Owner 路由新判断继续进入规则从热点优化走向资源预算
帧率、时延、CPU / GPU / 内存统一口径调度、并行与分级规格共同取舍−98%版本平均 Crash 率，按每百万公里统计
≈1 天 → <1h平均定位并分发给责任人的时间
<1/5 算力覆盖约 80% 功能模块，按平台分级
“定位并分发”不是完整解决时间；低配覆盖按功能模块数量统计，不代表体验或模型规格完全等价。
CASE 01 · FROM LAB TO DELIVERY
转入机器人后，2–3 周内开始承担系统交付
不等掌握所有垂域知识再贡献；先从系统集成、性能和测试切入，再把责任扩大到完整任务
BEFORE感知系统团队负责人
→
TRANSFER主动转入机器人业务
→
2—3 WEEKS开始承担整机集成与性能交付
HORIZONTAL三类工站共用整机系统统一负责集成、资源观测与性能问题
VERTICAL一类完整任务端到端负责对任务效果、版本节奏与最终交付负责
专项能力测试
90+
覆盖定位、地图、导航等七类能力
整机集成与性能
P90 <60%
从 CPU 长期满载到可持续测试
端到端回归
每类 300+
稳定后自动出报告并移交测试团队
完整任务平均单次时长：3.5 min → <2 min仅指本人端到端负责的一类任务，不泛化到全部三类工站
CARRY FORWARD问题拆解、性能观测、测试和交付节奏可迁移，垂域技术需要重新学习并与专家协作
这页证明跨领域迁移速度与完整任务 ownership，不把横向整机责任说成所有算法模块的最终 ownership。
ACT 02 · DATA & EVALUATION
当模型逐步收敛，数据与评测决定迭代速度
负责数据生产与批量评测，用共同证据帮助团队判断下一轮应补数据、改模型，还是解决环境与基础设施瓶颈
扩大数据供给
消除不必要串行，让采集与处理可重复运行
云端批量执行
从本地单实例扩展到百实例级调度
多维证据
Metric、视觉结果、人工质检与失败案例
弱项回到研发
补数据、调训练与模型，或先解决工程瓶颈
2×单实例数据生产吞吐
百实例级云端批量数据生产与评测
DATA + EVAL共同证据进入下一轮研发决策
贡献边界：2025 H2 负责数据生产与批量评测，模型训练由模型同事负责；2026 的两项 π0.5 任务微调是另一个明确范围
两个阶段的 ownership 必须分开，避免从“数据与评测”推导成当期基础模型训练负责人。
CASE 02 · MODEL → EXECUTE → VERIFY
从公开模型到真机任务：模型、执行与验收一起闭环
公开能力只是起点；完成数据适配、训练、受控执行和任务验收后，能力才真正进入机器人系统
01 · MODEL
把上游能力带到自有场景
PUBLIC TASK + TOOLCHAIN → π0.5 FINE-TUNE → OWN SCENARIO → G2
- 两组具体任务微调与训练工程优化
- 打通数据、训练、推理、机器人接口与执行
- 完成智元 G2 真机端到端验证
02 · EXECUTE
开放目标落到受控能力
GOAL → AGENT → SKILL → MCP → ROBOT
- Agent 理解目标、规划并选择 Skill
- Skill 承载相对完整的任务策略
- MCP 只暴露稳定、可观察、可调试的能力边界
03 · VERIFY
让研发 Agent 判断是否完成
CONTRACT → METRIC + VISUAL → BASELINE → PROOF PACK
- 完成条件、失败边界与证据格式前置
- 指标、图像、告警和基线对比自动汇总
- 明确通过、失败或需要人工审批
MODEL / G2两组 π0.5 任务端到端验证证明微调、工程、场景适配与真机链路；不表述为基础模型原创
MANIPULATION限定范围抓取成功率 >90%G1 与 RealMan；证明动作能力，不代表 Agent 端到端成功率
HARNESSRoboHarness · 部门 Hackathon 一等奖证明可执行验收方法与团队项目结果
PUBLIC-SAFE IMPLEMENTATIONS · RoboClaws · RoboHarness
AGIBOT World Challenge @ ICRA 2026 和 Genie Sim 3.0 只在讲稿中作为任务体系与工具链背景，主画面聚焦本人实际完成的两项任务。三组 proof 不共享成功率口径。
THE ANSWER · HANDS-ON TECHNICAL LEADERSHIP
把复杂系统的不确定性
变成可持续交付的确定性
01 · DEFINE
定义边界与验收
说清系统范围、资源预算和任务成功标准
02 · OBSERVE
建立观测与证据
让指标、回放、仿真和真机回答问题在哪里
03 · CLOSE LOOP
把一次解决变成系统
通过自动测试、路由、恢复与评测持续运行
04 · SCALE
交给 Owner 与机制
从关键个人走向团队、平台与受证据约束的 Agent
LONG-TERM LINE把模型、系统工程与团队组织成可持续交付的机器人系统既亲自深入模型、训练和真机链路，也建设 Owner、流程、评测和跨团队协作机制
NEXT机器人系统技术负责人承担系统技术方向、团队建设与完整交付责任
HANDS-ON TECHNICAL LEADERSHIP
HANDS-ON TECHNICAL LEADERSHIP
DISCUSS · ROBOTICS SYSTEMS / MODEL TO ROBOT / TEAM BUILDING
收尾只回答方法与下一步责任。进入讨论时问对方当前第一矛盾更接近完整任务交付、模型与数据迭代，还是团队与研发机制建设。