加载中...
大模型服务 VLM
视觉语言大模型承接自然语言任务理解和现场画面问答，例如“检查 2 号间隔油位是否异常”。服务侧管理加载数量与推理配额，保证指挥层调用时稳定可用。
- VLM 实例加载、卸载与健康检查
- 支持巡检问答、缺陷描述等现场对话场景
- 与任务编排衔接，理解结果可直接生成作业
小模型服务管理
表计读数、人员闯入、烟火等需要低时延的识别交给边缘小模型。可并行运行多路实例，把高频推理留在现场，大模型只处理需要语义理解的请求。
- 边缘小模型并行路数与资源配额管理
- 模型启停、升级不影响正在执行的巡检
- 与端侧小脑配合，弱网下仍可完成本地识别
蜂群调度大脑
调度大脑根据任务优先级、机器人电量和路径占用，动态分配多机作业，并处理对向行驶与点位争用。目标是在复杂厂区里让集群有序作业，而不是各自抢路。
- 动态任务分配，电量不足时自动改派
- 路径规划与冲突避让，降低拥堵停机
- 与天枢任务、云梭资源状态实时同步
算法实例工厂
按点位或任务创建算法实例，配置置信度、ROI 和计数规则，并由智能路由把视频流分到合适的模型。同一套算法可在不同间隔复用，减少重复部署。
- 实例创建、克隆与下线，生命周期清晰
- 置信度 / ROI / 计数规则可视化配置
- 智能路由降低算力浪费和漏检
创建/编辑算法实例
支持算法实例的基础信息定义、边云模型灵活组合与置信度等推理参数精细调优，帮助用户快速创建并管理满足不同场景需求的AI算法实例
- 基础信息规范定义：支持配置算法名称、展示名、版本及分类，便于实例统一管理与检索
- 边云模型灵活组合：边缘小模型与云端大模型可多选搭配，满足不同算力与精度场景需求
- 推理参数精细调优：提供置信度阈值滑动调节及专属推理模式、语义标签等高级配置项
进化闭环系统
从现场采集困难样本，经过标注、训练到重新部署，形成可审计的模型进化闭环。误报、漏报可以回到训练集，而不是长期靠人工盯屏弥补。
- 样本采集与质检流程可配置
- 训练任务排队、评估指标对比后再发布
- 新模型灰度到指定站点，降低全网回退风险