技術
一顆隨機飛行的大腦
感知、鎖定、推演、決策，全在機上完成。
- 01
感知
在機上識別滑坡、裂縫、洪水與缺陷。
- 02
鎖定
按巡檢規範分級，附置信度。
- 03
推演
物理世界模型預演接下來的後果。
- 04
決策
選擇最安全的行動：改航、告警、封閉。
世界模型
先想像，再行動
真實物理模型作為大腦的想像力。決策依據後果，而不只是識別結果。
- 剛體動力學橋跨斷裂、車輛墜落
- 有限元分析增壓下蒙皮裂紋撕裂
- 洪水演進堤防潰口、淹沒範圍
- 疲勞 · Paris 定律螺栓鬆動、裂紋擴展
架構
由最可靠的一層作決定
按置信度分層。網絡中斷，無人機照樣決策。
無人機機載
> 0.85自主處置，無信號照樣飛。
路側邊緣站
0.60 – 0.85就近複核，數據不出區域。
領域雲端
< 0.60疑難個案與模型更新，不在關鍵路徑。
指標
第一代系統工程目標
<30 ms
機載推理
現狀 >500 ms
≥75%
機上完成任務
現狀 30–50%
≤1 s
失穩恢復
現狀為秒級
≥90%
弱通訊任務完成
現狀 83–90%
5–15 W
機載功耗
0.45–2B VLA，INT4/8
3 min
200 米邊坡巡檢
人工 1–2 小時（示範測試）
將交由第三方驗證。
競爭優勢
算力已是商品，讀懂災害才是壁壘
看不清 → 看得清
場景知識體系
每種隱患一套標準。
用不起 → 用得起
輕量模型上機
0.45–2B VLA，量化部署。
來不及 → 來得及
斷網機上閉環
約一秒恢復穩定飛行。
不通用 → 可複用
通用治理平台
數字孿生貫通常態與應急。
典型平台
OmniPallas
機上識別
人、車、船
隱患及其物理後果
複雜研判
在雲端
在機上
斷網時
只能飛行與檢測
完整閉環