非常值得做的功能：本地“数字作业区”
这是这个产品区别于普通安防摄像机的关键。
设备安装以后，不需要工程师重新编程。
可以通过平板：
现场地图 ↓选择设备 ↓标记危险设备 ↓生成安全半径 ↓标记作业区 ↓导入人员 ↓配置规则 ↓开始作业
最后：
10分钟完成一个临时检修区域部署。
这才是真正的产品。
AiBrainBox-S：
不是摄像机。
不是LiDAR。
不是UWB基站。
不是电子围栏。
而是一台“现场空间安全AI节点”。
AiBrainBox-S V1 产品定义，重点把以下 7 个东西定下来：
1. 设备安装高度
重点验证 1.2 / 1.35 / 1.5m 三种高度。
2. MID-360俯仰角
不要默认水平安装，需要根据人的高度和目标距离计算最佳角度。
3. 5路相机具体FOV和安装角度
确定到底是：
4×90° + 1×近场
还是：
5×72°
更倾向前者。
4. RGB-LiDAR外参标定方法
这会直接决定融合效果。
5. UWB与视觉Track关联算法
这是产品的核心算法之一。
6. 3D Safety Zone的数据模型
把 Static / Dynamic / Object-relative / Person-relative 四种围栏定义清楚。
7. 第一版产品指标
例如：
360°人员检测距离3D定位误差人员Track数量Track稳定性UWB身份关联成功率越界检测延迟误报率漏报率本地报警延迟
AiBrainBox-S V1 不要做成高位监控设备，而应该做成 1.2～1.5 m 高度的“空间安全感知节点”。
LiDAR负责3D几何骨架，4路环视RGB负责语义，1路近场RGB负责脚下/作业区，UWB负责身份关联。
每个相机 Horizontal FOV：
100°～110°
这样四个相机之间存在：
10°～20° overlap
这非常重要。
因为这个Overlap不是为了双目深度，而是为了：
人员跨相机区域时稳定Tracking 减少遮挡导致的目标丢失 Re-ID 视觉Track交接 RGB-LiDAR配准冗余
和我们之前讨论无人机多目SLAM时的Overlap逻辑其实类似：
这里的Overlap主要服务于“空间目标连续性”，而不是双目深度。
例如：
Zone { id type geometry height risk_level authorized_persons rules}
Zone可以是：
Static
Polygon + Height
Cylinder
Equipment+ Radius+ Height
Sphere
Hazard Point+ Radius
Moving Zone
Object Pose+ Safety Margin
这样以后吊车、机械臂、移动设备都能支持。
识别设备 → 建立3D Bounding Box → 自动生成Safety Buffer。
这就是算法产品化的关键。
现场工作人员不是随便进入区域。
系统有：
Work Order #20260826 │ ├── Personnel │ ├── P001 │ └── P002 │ ├── Equipment │ └── HV-03 │ ├── Work Zone │ └── Safety Rules
设备收到以后：
知道今天谁可以进入哪里。
所以：
UWB
负责：
谁
RGB
负责：
在干什么 / 有没有PPE
LiDAR
负责：
在哪里
Work Order
负责：
是否应该在那里
四个东西组合起来，才是真正的：
Safety Intelligence
V2再加入行为理解
例如：
人员摔倒
人员长时间蹲伏
人员进入后未按规定操作
两个人进入同一区域
人员快速接近危险设备
人员离开安全区但工具仍在危险区
这时候才引入：
Temporal Vision Model
甚至：
VLM Event Reasoning
产品分三个版本
V1 — Spatial Safety
核心：
人 + 位置 + 身份 + 围栏
RGBLiDARUWB ↓3D Tracking ↓3D Zone ↓Alarm
这是真正应该首先做出来的产品。
V2 — Intelligent Safety
增加：
PPE 行为 摔倒 异常停留 危险接近 设备状态
变成：
人 + 空间 + 行为
V3 — Work Intelligence
加入：
作业票 SOP VLM Knowledge Agent
变成：
作业理解 + 风险推理 + 主动干预
这时候才真正进入你们之前讨论的：
Mission Intelligence
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”