AiBrainBox

端侧智能基础设施

统一硬件 · 统一接口 · 统一技术栈 · 统一数据 · 统一开发环境

感知 · 时间 · 空间 · AI · 通信 · 数据 · 控制 · 可信

让二次开发更简单，让算法创新更快落地。

十六、AiBrainBox开放什么？

对于二次开发客户，AiBrainBox不是简单提供硬件接口，而是提供：

1. 设备接口

Camera
IMU
GNSS
RTK
LiDAR
UWB
CAN
UART
USB
LAN

2. 数据接口

Pose
Odometry
Velocity
IMU
GNSS
UWB Range
Point Cloud
Image
Video
AI Result
Device Status

3. 软件接口

ROS2
DDS
MQTT
GB28181

DSS
SDK
API

4. 算法基础

Fast-LVIO
LIO-SAM
VIO
LIO
YOLO
Deep SORT
CLIP
Nav2

5. 平台控制接口

DJI
PIX4
UGV
Robot Dog

十七、合作伙伴可以开发什么？

AiBrainBox二次开发重点不是重复建设底层，而是让合作伙伴把研发资源投入到自己的核心价值。

定位方向

• 融合定位；
• 协同定位；
• 相对定位；
• GNSS拒止定位；
• 多机器人定位。
  
  

感知方向

• 目标识别；
• 目标跟踪；
• 语义分割；
• 场景理解；
• 多模态感知。
  
  

导航方向

• Nav2；
• Costmap；
• 语义导航；
• 路径规划；
• 动态避障。
  
  

协同方向

• 多机协同；
• 空地协同；
• 协同探索；
• 协同任务规划；
• 多智能体决策。
  
  

端侧AI方向

• VLM；
• Physical AI；
• World Model；
• 端侧大模型；
• 任务规划。

十八、AiBrainBox如何配合二次开发？

我们将合作支持划分为六个层级。

第一层：技术路线

参与：

• 场景分析；
• 系统架构；
• 技术路线；
• 软硬件选型；
• 分工设计。
  
  

第二层：端侧基础能力

负责：

• 设备；
• 驱动；
• 传感器；
• 时间同步；
• 定位；
• 通信；
• 数据采集。
  
  

第三层：算法工程化

协助：

• 算法移植；
• ROS2封装；
• NPU部署；
• 数据接口；
• 性能优化。
  
  

第四层：无人平台适配

协助：

• UAV；
• UGV；
• Robot Dog；

的平台兼容与控制。

第五层：系统集成

参与：

• 接口联调；
• 通信联调；
• 数据联调；
• 端云联调；
• 现场测试。
  
  

第六层：产品化

协助完成：

科研算法 → 端侧工程 → 原型系统 → 行业产品

的转化。

十九、典型合作模式

AiBrainBox与合作伙伴形成明确的职责边界。

●：主要负责

○：协同支持

二十、案例：某大学空地协同定位项目

构建：

1艘无人艇 + 2架无人机 + 4辆无人车

多平台协同探索系统。

核心技术问题：

多平台异构条件下，通过GNSS、IMU、VIO、LIO、UWB以及平台间相对约束，实现协同定位与协同探索。

双方分工

大学主要负责：

总体技术路线

• 总体技术路线设计；
• 协同定位体系构建；
• 多平台协同定位算法。
  
  

核心算法

• UAV空中锚点约束；
• 相对测距约束；
• UWB测距融合；
• IMU/VIO/LIO/里程计协同融合。
  
  

协同机制

• 断链缓存；
• 链路恢复；
• 重规划；
• 区域任务划分。
  
  

系统与评估

• 数据协议；
• 接口规范；
• 系统集成；
• 试验设计；
• 数据处理；
• 现场调试；
• 总体评估。
  
  

AiBrainBox负责

UAV端提供：

AiBrainBox-V

完成：

• 设备安装；
• 供电；
• 结构适配；
• GNSS；
• IMU；
• VIO/LIO；
• UWB；
• Mesh；
• 5G；
• 数据记录。

UGV端提供：

AiBrainBox-UGV

完成：

• 设备适配；
• 传感器接入；
• 定位数据输出；
• UWB；
• Mesh；
• 5G；
• 状态回传。

数据工程

完成：

• 数据采集；
• 时间对齐；
• 数据标准化；
• 数据记录；
• 接口开放；
• 通信转发。

工程联调

完成：

• 现场设备调试；
• 网络调试；
• 数据调试；
• 接口联调；
• 系统问题定位。
  
  

核心合作逻辑

这个项目中，双方没有重复建设。

大学不需要从零开始建设：

传感器 → 定位 → UWB → 通信 → 数据记录

而AiBrainBox也不替代大学的核心科研工作：

协同定位算法 → 约束模型 → 多机融合 → 协同机制 → 总体评价

因此双方形成：

AiBrainBox：端侧基础设施

合作伙伴：核心算法与场景能力

联合完成系统

这是AiBrainBox二次开发模式的典型体现。

二十一、二次开发快速启动流程

AiBrainBox建立标准化的：

“需求确认 → 平台配置 → 环境交付 → 接口打通 → 算法接入 → 单机验证 → 多机联调 → 场景验证 → 工程化”

快速启动流程。

第一步：需求确认

明确：

• 应用场景；
• 平台数量；
• 传感器；
• 通信；
• AI；
• 定位；
• 控制；
• 接口。

形成《项目技术需求与接口定义》。

第二步：平台配置

根据项目选择：

• AiBrainBox-V；
• AiBrainBox-UGV；
• RK3588；
• Hailo-8；
• RK1820；
• Camera；
• LiDAR；
• RTK；
• UWB；
• 5G/Mesh等。

第三步：开发环境交付

提供：

Ubuntu 22.04 + ROS2 + DDS + SDK + Driver + 基础算法

开发环境。

第四步：数据接口打通

完成：

• Camera；
• IMU；
• GNSS；
• LiDAR；
• UWB；
• Pose；
• Odometry；
• AI；

等数据验证。

第五步：算法接入

合作伙伴将自己的：

算法 / 模型 / 规划器

通过ROS2 Node、SDK或API接入AiBrainBox。

第六步：单机验证

完成：

数据正确性 → 算法正确性 → 实时性

验证。

第七步：多机联调

验证：

• 通信；
• 时间同步；
• 数据延迟；
• 数据丢包；
• 节点状态；
• 断链恢复。
  
  

第八步：场景验证

进入真实无人机、无人车、无人艇或机器人平台。

第九步：工程化

完成：

• 参数管理；
• 日志；
• 自动启动；
• 数据记录；
• 故障检测；
• OTA；
• 长时间运行；
• 性能优化。

二十二、从科研原型到产品

AiBrainBox特别适合推动科研成果进行工程化。

传统科研模式通常是：

算法

↓

实验数据

↓

论文 / Demo

↓

项目结束

而AiBrainBox希望建立：

算法

↓

AiBrainBox端侧部署

↓

真实平台测试

↓

工程化

↓

行业场景验证

↓

产品化

统一技术栈使这一过程可以持续复用，而不是每一个项目重新搭建底层系统。

二十三、AiBrainBox合作理念

AiBrainBox不希望成为合作伙伴的“算法竞争者”。

我们的定位是：

把通用的底层能力平台化，把合作伙伴的核心创新能力产品化。

合作伙伴拥有：

行业Know-how + 核心算法 + 场景能力

AiBrainBox提供：

硬件 + 感知 + 时间 + 定位 + AI计算 + 通信 + 数据 + 控制

双方共同形成：

面向真实场景的智能无人系统。

AiBrainBox的核心价值

AiBrainBox真正提供的不是某一块计算板，也不是某一个传感器。

而是一套已经经过工程验证的：

端侧智能基础设施

包括：感知、时间、空间、AI、通信、数据、控制、可信

以及：

Ubuntu + ROS2 + DDS + SDK + API

统一开放开发体系。

合作伙伴获得的价值

通过AiBrainBox，合作伙伴可以：

缩短底层开发周期

避免重复建设通用基础设施。

降低系统集成难度

传感器、通信、定位、AI和无人平台已经形成统一体系。

加快算法工程化

直接从科研算法进入真实端侧设备。

加快场景验证

直接进入无人机、无人车、机器狗等真实平台。

加快产品化

将科研成果快速转化为工程系统和行业解决方案。

结语

未来的无人系统和机器人研发，不应该每一个团队都重新搭建一套：

传感器 + 时间同步 + 定位 + 通信 + AI计算 + 数据系统 + 控制系统。

这些能力应该成为标准化基础设施。

AiBrainBox希望承担的正是这一角色。

AiBrainBox，让复杂的端侧基础设施成为标准能力。

让高校和科研单位专注于算法创新。

让行业解决方案公司专注于场景价值。

让科研成果更快走向真实系统和产品。

最终形成：

AiBrainBox × 算法伙伴 × 行业伙伴

从“科研原型”

到“工程系统”

再到“行业产品”

的开放合作生态。