无人系统总体设计
围绕任务目标进行能力分解，梳理无人平台、任务载荷、通信链路、指挥控制、仿真训练和智能决策之间的关系，形成系统组成、接口边界与验证路线。
- 任务场景、能力指标与系统约束
- 系统组成、接口关系与数据流
- 技术选型、风险分析与验证规划
智能无人系统 · 解决方案架构
智能无人系统的方案、架构与验证。
10+年从业经历中，职业早期负责无人机技术研发，随后转入解决方案与系统架构。工作范围逐步扩展到仿真推演、强化学习、多智能体协同和大模型智能体，长期处理任务需求、系统边界、技术组合与验证路径之间的衔接。
10+年无人系统与人工智能行业经验
解决方案主线任务分析、系统架构与技术路线
技术闭环仿真、训练、评测与验证
公开内容 · 主要入口
代码、演示与技术记录
GitHub 侧重代码与工程记录，Bilibili 和 YouTube 用于技术讲解、实验过程与项目演示。
01 / 主要方向
目前主要处理三类问题
以任务场景为起点，先完成系统层面的能力分解，再确定智能决策方法和训练评测条件，最后形成能够验证的技术路线。
智能决策与仿真推演
把任务流程映射为状态、动作、约束和评测指标，组织强化学习、多智能体协同与博弈决策方法，并通过仿真推演检查策略在不同条件下的表现。
- 场景、实体、规则与任务流程建模
- 观测空间、动作空间与奖励设计
- 任务分配、协同博弈与策略评测
人工智能平台与智能体工程
围绕强化学习和大模型应用组织分布式训练、模型接入、工具调用、任务编排与统一评测，让算法能力能够进入具体系统并持续迭代。
- 并行采样、分布式训练与资源调度
- 模型接入、智能体运行与工具调用
- 评测框架、实验追踪与问题回放
02 / 近年实践
近年的具体工作
以下内容集中在2020年之后，围绕无人系统解决方案、智能决策、仿真训练与大模型应用展开。
无人系统与反无人系统方案
从任务流程和能力指标出发进行系统分解，梳理无人平台、探测感知、指挥控制、任务载荷和仿真训练之间的逻辑关系，明确关键接口与验证条件。
强化学习与仿真推演
围绕智能决策任务设计场景、观测、动作、奖励、对手与评测指标，组织训练、回放、基线对照和压力测试，持续检查策略在复杂条件下的有效性。
大模型与智能体应用
处理模型接入、任务编排、工具调用、评测口径和推理资源配置，并结合分布式训练与实验追踪，形成可复用的智能体运行和验证方式。
03 / 经验结构
早期研发打底，之后转向解决方案
早期研发经历用于理解硬件和工程约束，后续工作重点放在任务分析、方案设计、系统架构和技术验证。
无人机技术研发
参与无人机软硬件设计、动力与结构分析、原型验证，由此建立对平台能力、载荷边界和工程实现条件的基本判断。
行业解决方案
工作重心转向任务场景、系统配置和应用方案，技术范围覆盖无人系统，也包括自然语言处理、知识组织与数据服务。
智能决策解决方案
围绕强化学习、多智能体协同、大模型智能体和仿真推演开展方案设计，逐步完善训练、评测与任务接入链路。
无人系统领域总师
从系统总体角度处理能力分解、技术选型、接口约束和验证路径，重点关注跨平台协同与系统级技术风险。
04 / 系统结构
无人系统里的几组基本关系
任务层说明要完成什么，决策层处理路径和动作，平台层给出载荷、链路、算力等实际条件。三层之间的接口、时序和状态定义没有理顺，单个模块装进系统后就容易出现偏差。
系统构成
任务 · 决策 · 平台
03
任务组织与协同
任务分解、资源调度、多机状态同步、协同执行与任务效果评估
02
感知、规划与决策
状态估计、环境建模、路径与行为规划、策略学习及在线决策
01
平台、链路与计算
飞控与任务载荷、数据链、机载计算、仿真环境和训练基础设施
输入：任务条件与工程约束
输出：接口清楚、指标可测
平台边界与接口
- 平台运动学、动力、载荷和航时边界
- 飞控、机载计算、任务载荷与数据链路
- 指令、状态与载荷数据的流转关系
- 时间同步、状态监测与故障处置
自主决策与多机协同
- 部分可观测条件下的状态建模
- 分层任务分解、规划与行为决策
- 多智能体强化学习、博弈与协同控制
- 通信延迟、信息缺失和个体失效下的策略表现
训练、评测与接入
- 并行环境采样与分布式训练调度
- 大模型智能体、工具调用与任务编排
- 基线对照、实验记录、压力测试和任务回放
- 软件在环、硬件在环与现场数据回灌
05 / 工程验证
从仿真结果走到现场表现
一次测试给出一个结果，配置、数据、接口状态和异常条件则决定这个结果能否复现。相关信息留得完整，后续才有依据定位问题、比较版本。
把测试条件写清楚
记录任务目标、环境范围、观测条件、资源上限和失效判据。结果对应哪种使用条件，由这些信息来界定。
按接口逐段跑通
分别检查平台、感知、决策和协同环节的输入输出与时序，保留关键中间状态，出现偏差时可以沿数据流向前追查。
逐步接近真实环境
测试从桌面仿真推进到软件在环、硬件在环和现场环境，逐步加入传感噪声、计算时延、链路波动与执行偏差。
让问题可以回放
保存配置、版本、随机种子、运行日志和评测口径。异常任务可以按原条件重放，也能作为后续训练和回归测试的样本。