自主系统研发：从实验室概念到落地踩过的那些坑
前两个月跟中科院自动化所一个老研究员喝茶，他拍着桌子骂，说现在好多项目PPT上全是“全自主”，连最基础的异常 fallback 机制都没做。这不就是骗经费吗？
现在自主系统火啊，上到自动驾驶、深空探测，下到工厂分拣机器人、小区送快递的小车，谁家PPT不写上“自主研发”四个字，都不好意思出来见投资人。可真落到实地，能真正跑通不翻车的，真没几个。
港口全自主集卡测试运营现场
现在学术界对实用级自主系统的公认定义，其实是“在非结构化环境下，能够根据预设目标自主完成决策规划，同时在能力边界内处理异常，超出边界立刻发出请求等待干预”。看见没有，“能力边界”这四个字才是核心。九成九吹出来的“全自主”，都偷偷把这四个字吞了没说。
前两年顶会好多论文，一窝蜂用大模型做自主系统的决策模块，准确率在测试集上能飙到98%以上，好看得不得了。结果放到野外勘探的自主机器人上实测，遇到一颗从来没进过训练集的歪脖子树，大模型直接输出错误路径，机器人卡那半天动不了，最后还是科研人员徒步过去拉回来的。
惊喜吗？意外吗？其实一点都不。实验室的数据集都是筛了又筛的，哪来那么多乱七八糟的真实异常？
煤矿井下自主巡检机器人测试图
往大了说，现在自动驾驶吵得沸沸扬扬的责任划分问题，本质不就是自主系统的边界问题吗？多少事故，不是系统正常开不了，是系统分不清什么时候该把控制权交出去，驾驶员也没反应过来该什么时候接，最后才出的事。这就是研发阶段就没把边界问题当核心来做，只顾着吹“百公里零接管”的营销噱头。
那个煤矿团队的负责人跟我吐槽，为了收集“搞不定”的场景数据，他们八个研发轮着跟矿工下井，整整跑了八个月，记了满满三个软皮本：顶板掉渣挡住摄像头怎么办？巷道路面积水反光导致识别出错怎么办？轨道旁边随机堆了工字钢、锚杆这些杂物怎么办？哪一个是公开数据集里能找到的？全都是自己一趟趟跑出来啃出来的。
还有一个容易被忽略的点，很多团队做研发的时候喜欢把感知、决策、控制三个模块绑死，追求所谓的端到端一体化，看起来高大上，实际上感知出一点小错，整个决策直接崩，系统直接停摆。真正做落地的老团队，都会给每个模块留冗余：感知错了，决策还能靠提前建好的地图加惯性导航撑个几十秒，足够发出警报让人来接管，不至于直接出事故。
这才是做自主系统研发该有的态度，不是堆参数吹概念，是把每一种可能的异常都堵上。
接下来的自主系统研发，机会藏在细分场景里
现在国内缺自主系统吗？太缺了。你去各个传统行业转一圈就知道，年轻人不愿意干危险、重复的苦活：下煤矿巡检，去野外爬高压塔，去深海勘探，去养猪场做消杀，这些活没人干，就必须得上自主系统，需求摆在那，就看你能不能做出来。
不过话说回来，现在千万别碰什么“通用自主系统”的概念，那玩意还早，至少未来二三十年都落不了地，烧几个亿都听不到响。反而是扎进一个细分场景，把这个场景的所有边界摸清楚，把所有异常都处理明白，就能活的非常舒服。
我知道北京有个十来个人的小团队，既不拿融资也不吹概念，就盯着养猪场做自主消杀机器人，就摸透养猪场这一个场景的所有规则：猪圈的地形是什么样，不同季节猪的活动规律是什么，氨气浓度太高对传感器有什么干扰，猪乱跑的时候该怎么避障，所有问题都提前摸透解决了，现在国内 top 10 的养猪场一半都用他们的产品，年利润大几千万，活的比好多拿了十几亿融资吹全场景自主的公司滋润多了。
真的，现在自主系统研发这块，风一吹起来，什么牛鬼蛇神都出来了，骗经费骗融资的不少，真正沉下心在场景里泡个三五年的太少。你去看那些真正做成事的，哪一个不是天天泡在现场？哪一个是靠在办公室改PPT改出来的？
最近看OpenAI放出来的具身智能新成果，算法进步确实快，真的让人惊喜。可算法再强，落到具体场景还是要踩坑，还是要一个个梳理边界，这个过程谁都替你省不了。
毕竟，自主系统最后是要在真实世界跑的，不是用来跑测试集的，更不是用来给投资人画饼的。昨天刷新闻看见咱们国家的“奋斗者”号又完成了万米深海的自主探测，人家从来不说自己是什么“全智能无所不能”，可该出成果的时候，就能稳稳拿出来。这才是自主系统研发该有的样子啊。
对吧。
别被“全自主”骗了，现在的自主系统还远没到“不用管”的地步
很多人对自主系统的第一误解，就是做出来就能完全自己跑，从头到尾不用人碰一下。说实话，哪有这么好的事。 去年长三角那边一个新建的智慧港口项目，号称全自主集卡，试运营头一个月，刮了三次龙门吊护栏，碰坏了两个集装箱，最后还是不得不留两个持证司机坐在待命室，眼睛都不敢眨盯着屏幕随时准备接手。港口全自主集卡测试运营现场
现在学术界对实用级自主系统的公认定义，其实是“在非结构化环境下，能够根据预设目标自主完成决策规划，同时在能力边界内处理异常，超出边界立刻发出请求等待干预”。看见没有，“能力边界”这四个字才是核心。九成九吹出来的“全自主”，都偷偷把这四个字吞了没说。
前两年顶会好多论文，一窝蜂用大模型做自主系统的决策模块，准确率在测试集上能飙到98%以上，好看得不得了。结果放到野外勘探的自主机器人上实测，遇到一颗从来没进过训练集的歪脖子树，大模型直接输出错误路径，机器人卡那半天动不了，最后还是科研人员徒步过去拉回来的。
惊喜吗？意外吗？其实一点都不。实验室的数据集都是筛了又筛的，哪来那么多乱七八糟的真实异常？
自主系统研发最核心的难点，从来都不是算法，是边界
我前两年接触过一个做煤矿巡检自主机器人的创业团队，他们熬了三年才拿到第一笔批量订单，你猜最难啃的骨头是什么？ 不是故障识别，也不是路径规划，是怎么让机器人准确知道“这个情况我搞不定，立刻停下来锁死轮子喊人”。 太反常识了对不对？大部分团队攒项目，99%的精力都砸在“我能搞定什么”上，从算法精度到响应速度吹得天花乱坠，从来没沉下心研究过“我搞不定的时候该怎么办”。煤矿井下自主巡检机器人测试图
往大了说，现在自动驾驶吵得沸沸扬扬的责任划分问题，本质不就是自主系统的边界问题吗？多少事故，不是系统正常开不了，是系统分不清什么时候该把控制权交出去，驾驶员也没反应过来该什么时候接，最后才出的事。这就是研发阶段就没把边界问题当核心来做，只顾着吹“百公里零接管”的营销噱头。
那个煤矿团队的负责人跟我吐槽，为了收集“搞不定”的场景数据，他们八个研发轮着跟矿工下井，整整跑了八个月，记了满满三个软皮本：顶板掉渣挡住摄像头怎么办？巷道路面积水反光导致识别出错怎么办？轨道旁边随机堆了工字钢、锚杆这些杂物怎么办？哪一个是公开数据集里能找到的？全都是自己一趟趟跑出来啃出来的。
还有一个容易被忽略的点，很多团队做研发的时候喜欢把感知、决策、控制三个模块绑死，追求所谓的端到端一体化，看起来高大上，实际上感知出一点小错，整个决策直接崩，系统直接停摆。真正做落地的老团队，都会给每个模块留冗余：感知错了，决策还能靠提前建好的地图加惯性导航撑个几十秒，足够发出警报让人来接管，不至于直接出事故。
这才是做自主系统研发该有的态度，不是堆参数吹概念，是把每一种可能的异常都堵上。
接下来的自主系统研发，机会藏在细分场景里
接下来的自主系统研发，机会藏在细分场景里
现在国内缺自主系统吗？太缺了。你去各个传统行业转一圈就知道，年轻人不愿意干危险、重复的苦活：下煤矿巡检，去野外爬高压塔，去深海勘探，去养猪场做消杀，这些活没人干，就必须得上自主系统，需求摆在那，就看你能不能做出来。
不过话说回来，现在千万别碰什么“通用自主系统”的概念，那玩意还早，至少未来二三十年都落不了地，烧几个亿都听不到响。反而是扎进一个细分场景，把这个场景的所有边界摸清楚，把所有异常都处理明白，就能活的非常舒服。
我知道北京有个十来个人的小团队，既不拿融资也不吹概念，就盯着养猪场做自主消杀机器人，就摸透养猪场这一个场景的所有规则：猪圈的地形是什么样，不同季节猪的活动规律是什么，氨气浓度太高对传感器有什么干扰，猪乱跑的时候该怎么避障，所有问题都提前摸透解决了，现在国内 top 10 的养猪场一半都用他们的产品，年利润大几千万，活的比好多拿了十几亿融资吹全场景自主的公司滋润多了。
真的，现在自主系统研发这块，风一吹起来，什么牛鬼蛇神都出来了，骗经费骗融资的不少，真正沉下心在场景里泡个三五年的太少。你去看那些真正做成事的，哪一个不是天天泡在现场？哪一个是靠在办公室改PPT改出来的？
最近看OpenAI放出来的具身智能新成果，算法进步确实快，真的让人惊喜。可算法再强，落到具体场景还是要踩坑，还是要一个个梳理边界，这个过程谁都替你省不了。
毕竟，自主系统最后是要在真实世界跑的，不是用来跑测试集的，更不是用来给投资人画饼的。昨天刷新闻看见咱们国家的“奋斗者”号又完成了万米深海的自主探测，人家从来不说自己是什么“全智能无所不能”，可该出成果的时候，就能稳稳拿出来。这才是自主系统研发该有的样子啊。
对吧。