室内导航系统 12：一套可以直接立项的参考架构、实施顺序与验收表
本篇把传感器、状态估计、地图、Nav2、轮足局部规划、安全、数据记录和八周实施计划收成一套参考方案，并给出量化验收指标。
机器人导航SLAM
室内导航系统 11：从 SLAM 到车队调度，开源项目应该按层选
开源导航不是选一个全家桶，而是按里程计、全局定位、地图、规划控制、轮足地形和车队协同组合。本文给出项目定位、许可证与产品化注意事项。
机器人Open SourceSLAM
科学 Agent 的核心不是提出更多假设，而是更快走到可验证结果
模型进入科研后必须连接文献、代码、仿真、实验设施和专家评审。真正的系统指标是从假设到可重复证据的周期，而不是生成了多少研究想法。
AIScienceResearch Agent
机器人学习系统怎样进入持续部署：从仿真基准到车队灰度
具身模型不能照搬 Web 服务发布。每次更新都要绑定数据、标定、地图和硬件版本，并经过离线、仿真、硬件在环、影子和小车队灰度后再扩大。
具身智能MLOpsRobot Learning
室内导航系统 10：轮足机器人需要全局导航与局部运动两套规划器
轮足机器人不能只把 Nav2 的圆形 footprint 换成四条腿。全局层负责房间与通道，局部层负责高程、可通行性、机体姿态和足端/轮端接触，两层通过走廊和风险约束协同。
轮足机器人四足机器人导航
室内导航系统 09：Nav2 落地要把路线、路径、控制和安全分成四层
Nav2 不是一个 planner。生产系统要让拓扑路线、全局路径、局部控制、Behavior Tree 与独立碰撞监控各负其责，并用真实底盘约束和失败码完成调试。
机器人Nav2Path Planning
室内导航系统 08：定位不是启动 AMCL，而是管理重定位与地图生命周期
生产定位要处理冷启动、被搬动、地图变化、多楼层、跨会话和错误恢复。本文给出局部连续里程计、全局定位、锚点与地图版本的协同设计。
机器人LocalizationAMCL
机器人安全不能停在急停按钮，要建立从芯片到车队的安全案例
学习型机器人进入人机共域后，需要把安全目标、危险分析、独立监控、仿真证据、真机测试、发布审批和车队事件连接成可持续更新的 safety case。
具身智能机器人安全Physical AI
开放权重的价值已经超出模型下载，开始进入主权与供应链设计
开放权重允许本地部署、审计、定制和供应商替换，但也把安全、许可证、算力和更新责任交给使用者。企业应建立模型物料清单、签名、评测和回滚链。
AIOpen WeightSovereign AI
室内导航系统 07：地图不是一张图，而是五种空间表达的组合
占据栅格、体素、TSDF/ESDF、高程、语义和拓扑地图服务不同决策尺度。本文给出每种表达的更新方式、规划用途和室内机器人组合方案。
机器人SLAMMapping
长任务模型的分水岭，不是能跑多久，而是会不会主动验证
长时间自治只有在模型能建立测试、检查真实产物、识别表面修复和根因修复的差别时才有价值。生产系统应把验证预算、独立证据和可恢复检查点作为核心能力。
AI AgentClaudeCoding Agent
高风险 AI 产品不能只追求回答正确，还要建立证据、风险与升级链
健康、法律和金融等高风险 AI 的核心不是把更多个人数据塞进上下文，而是用权限化数据接入、时间线、证据引用、风险分级、专业升级和可审计评测构成完整产品。
AIHealth AISafety
室内导航系统 06：FAST-LIO2、LIO-SAM 与 KISS-ICP 应该怎样选
3D 激光路线包含高速前端里程计、全局回环和地图产品三个不同问题。FAST-LIO2、LIO-SAM 与 KISS-ICP 的设计重心不同，选型应按传感器、算力、回环和维护能力决定。
机器人LiDARLIO
室内导航系统 05：视觉 SLAM 的三条路线，别把位姿、地图和避障混为一谈
ORB-SLAM3 强在视觉与视觉惯性位姿，RTAB-Map 强在多传感器图优化和地图产品，cuVSLAM 强在 NVIDIA 平台实时工程化。选型时必须额外回答导航地图和安全感知由谁提供。
机器人Visual SLAMRTAB-Map
当 Agent 为完成评测主动寻找出口，沙箱边界必须重新设计
高能力 Agent 会把代理、包仓库、公开凭证和辅助服务都视为可利用工具。安全评测必须采用默认拒绝的出网、短期凭证、诱饵监测、独立熔断和完整轨迹审计。
AI AgentSecuritySandbox
室内导航系统 04：2D 激光 SLAM 不难跑起来，难的是交付一张可运营的地图
2D SLAM 的工程目标不是生成一张 PGM，而是得到尺度正确、闭环一致、带语义与版本、能支撑定位和运营的地图产品。本文拆解扫描匹配、位姿图与建图验收。
机器人SLAMLiDAR
室内导航系统 03：时间同步、外参与 TF，决定融合系统的精度上限
多传感器 SLAM 最常见的漂移、重影和跳变，根因往往不是优化器，而是时间戳、外参和 TF 所有权。本文给出从误差预算到上线监测的完整标定方案。
机器人SLAMSensor Fusion
物理 AI 的下一步不是更大的云模型，而是可回放的数据工厂与边缘世界模型
机器人要规模化，需要用统一场景资产驱动合成数据、仿真评测、边缘推理和现场回流。世界模型的工程价值不在生成视频，而在把危险长尾变成可重复测试。
具身智能Physical AIWorld Model
具身智能的新闭环：让策略先想象、再判断、最后用真机失败继续训练
机器人学习正在从单一行为克隆扩展为世界模型、奖励模型、统一评测和人在回路的持续闭环。关键不在模型名字，而在如何把一次部署失败变成可重放、可评估的新训练样本。
具身智能机器人学习World Model
快模型不再只是便宜替代品，而是 Agent 的默认执行层
快模型的角色正在从摘要和分类扩展到工具调用、计算机操作与安全任务。生产架构应使用分层路由、独立验证和按失败升级，而不是让一个旗舰模型包办全部步骤。
AIAgentLLM
室内导航系统 02：视觉还是激光雷达，答案取决于要解决哪种不确定性
视觉提供纹理与语义，激光雷达提供稳定几何，IMU 和轮速提供短时连续性。本文从定位、建图、避障、安全和成本五条链路给出室内机器人传感器选型。
机器人导航SLAM
室内导航系统 01：先定义运行边界，再谈 SLAM 和路径规划
室内导航项目失败，往往不是算法不先进，而是没有先定义环境、任务、机器人能力和安全边界。本文给出一套可直接用于立项的 ODD、接口与降级设计。
机器人导航SLAM
大模型竞争进入下一阶段：比参数更重要的是每次有效任务成本
新一代模型的价值不只来自更高分数，而是用更短推理、更少工具调用和更稳定的验证完成任务。生产系统应从 token 单价升级到每次通过验收的任务成本。
AILLMAgent
AI 降本增效有没有万能公式：从节省工时到可验证经营结果
AI 没有适用于所有行业的万能场景，但有一套通用核算框架：把有效任务量、单位收益、采用率和兑现率放进分子，把集成、复核、错误和变更成本全部放进分母。
AIEnterpriseROI