AiBrainBox-S
设备应该能够：
脱离云平台独立完成核心安全判断。
也就是即使：
没有网络 没有5G 没有服务器 没有云
设备仍然可以：
发现 → 判断 → 报警。
例如：
这对于变电站、化工厂尤其重要。
现有 UWB 方案往往需要基站、定位服务器和上层平台，典型系统是“基站 + 标签 + 定位引擎 + 管理平台”。
AiBrainBox-S
把“空间安全计算”下沉到现场。
第一版MVP
“临时检修作业3D安全防护节点”
MVP只验证 5 件事：
① 人员检测
RGB + LiDAR
② 人员跟踪
3D Tracking
③ UWB身份关联
Person ↔ Tag
④ 3D作业区
Safe / Warning / Hazard
⑤ 风险事件
人员进入人员越界人员靠近人员滞留非授权人员PPE异常
Spatial Safety AI
让机器理解“人—设备—风险区域”之间的三维空间关系。
产品核心：
感知 → 定位 → 识别 → 关联 → 空间理解 → 风险推理 → 主动干预
“多模态空间融合、动态风险区、身份-视觉轨迹关联、设备级实时安全推理”
AiBrainBox-S：3D Spatial Safety Node
核心不是“360°摄像头”，而是：
以 LiDAR 建立三维空间骨架，以多目 RGB 建立语义，以 UWB 建立人员身份，最终形成实时 Spatial Safety Model。
第一代设备的安装高度：
1.1～1.5 m
腰部～胸部高度。
LiDAR 可以扫到人的：
腿 躯干 手臂 背包 安全帽 工具
同时 RGB 相机也可以采用环视方式观察人的上半身。
第一版可以直接定义：
Standard Mounting Height: 1.2–1.5 m
分成六层。
Layer 1：Perception
RGB：Person / Vehicle / PPE / Equipment
LiDAR：
Point Cloud ↓Ground ↓Object ↓3D Position
Layer 2：3D Object Tracking
每个人形成：
PersonTrack-TrackID&PositionXYZ&Velocity&XYZHeightDirection&Trajectory&Confidence
例如：
P001X = 4.2mY = 2.8mZ = 0mV = 0.6m/sHeading = 37°
这时已经不是传统摄像头的“画框”。
而是：
3D Human Track
Layer 3：RGB + LiDAR Fusion
建议不要采用：
LiDAR检测一次 + Camera检测一次 → 简单拼接
而是：
LiDAR做 Geometry Backbone
RGB做 Semantic Backbone
最终：
例如：
LiDAR告诉我们：
这里有一个1.7m高、距离8.3m的物体。
RGB告诉我们：
这是一个人，戴安全帽，穿反光服。
最终：
Person #12
Layer 4：UWB Identity
然后再加入：
Vision Track #12 │ │ Spatial Association │UWB Tag #A38 │ ▼ 张三
于是系统第一次真正知道：
“张三现在距离高压设备 4.2m。”
而不是：
“检测到一个人。”
这个差别非常大。
Layer 5：Spatial World Model
设备内部维护：
这实际上接近讨论的：
Ontology + World Model
只是这一次不是用于 Mission Intelligence，而是：
Safety Intelligence
然后才进入真正的“AI安全”。
例如：
这就真正变成：
AI Safety Decision
① Static Zone
固定区域：
变电站高压区域
② Dynamic Zone
跟着设备运动：
吊车、机械臂、移动设备
③ Object-relative Zone
围绕危险设备：
Equipment ↓+3m Safety Buffer
④ Person-relative Zone
例如：
某人员进入危险设备5m范围内。
所以最终不是：
Polygon Fence
而是：
Spatial Rule
做三种风险等级
Green
正常
人员 ↓合法区域 ↓安全距离 ↓正常作业
Yellow
预警
接近危险区距离异常停留异常PPE异常
Red
严重风险
进入禁区非授权人员危险距离快速接近危险行为
现场设备直接：
声 + 光 + 网络事件
AiBrainBox-S｜从“安全监控”走向“空间安全智能” 面向有人作业与无人作业的下一代工业安全 AI 设备
AiBrainBox-S｜让工业空间从“被监控”走向“被理解”