任务 02

把智能体带进生产现场

工厂的大部分信息在现场,不在系统里。这个任务让智能体看见现场:视觉检测把画面变成事件,数字孪生把一条产线放进三维视图,智能体再根据事件行动。

¥25K–50K / 月

按里程碑验收付款 · 交付越好,报酬越高

看全部任务
¥25K–50K月度报酬 · 人民币,税前
1 个月 · 3 个月 · 1–2 年周期
Prototyper · Builder需要的类型
工厂现场 + 远程工作方式
01

为什么做

这个任务要解决的问题。

工厂的大部分信息不在系统里,在现场:设备的状态、产品的缺陷、人的操作。智能体看不见现场,就只能处理报表。

这个任务把摄像头和传感器的数据变成智能体能读的事件,再让智能体在数字孪生里看懂一条产线,并在出现异常时行动。

02

交付物

完成时交出的东西。

  1. 视觉检测:一条产线上的一个检测点(缺陷、计数或安全规范),模型在边缘设备上运行。
  2. 事件进系统:检测结果写成 AIDC Semantic 里的对象和事件,智能体可以读。
  3. 数字孪生:一条产线的三维视图,状态来自真实事件。
  4. 智能体行动:出现异常时,智能体通知相关的人、开工单、请人确认。
  5. 部署手册:别的产线可以照着复制。
03

里程碑

每个阶段验收后付款。

1 个月 · 试做

一个检测点在真实视频上达到约定的准确率;检测事件写进 Semantic。

3 个月 · 交付

一条产线:检测、数字孪生、智能体处理异常,连续运行两周。

1–2 年 · 长期

复制到更多产线和工厂;负责模型更新和运行。

04

KPI

怎么判断交付得好。具体数值写进任务协议。

  1. 检测的准确率和召回率(数值在协议里按场景约定)。
  2. 每个班次的误报次数。
  3. 从画面到事件的延迟:小于 2 秒。
  4. 连续运行的可用率:不低于 99%。
05

会用到的技术

不要求全会,要能很快学会。

PythonPyTorchOpenCVYOLO / ONNXRTSPJetson / 边缘 GPUThree.js / 3DAIDC 建模 SDK
06

用什么证明

上传这类文件,匹配度更准。

  1. 你训练并部署过的视觉模型:指标、数据量、运行环境。
  2. 现场运行的录屏或照片。
  3. 数字孪生、三维或工业软件的作品。

上传一份文件,Adis 给出你和这个任务的匹配度。