← 返回看板

Z-MAX 项目复盘 · 最终版

静界科技 · 2026年7月12日 · 全队100%完成

🎉 46/46 任务全部完成 🎉

一、项目概况

目标

构建 Z-MAX 具身智能系统 — 面向光模块精密制造的机器人智能引擎。从 Sys0 硬件基座到 Sys2 云端大脑,全链路 AI 驱动。

指标目标实际状态
系统层级Sys0-Sys1-Sys2-Edge全部就绪
插拔精度±0.02mm±0.02mm
力控带宽>10kHz>10kHz
推理延迟(ACT)<10ms1.2ms / 800FPS
推理延迟(VLA-T)<100ms284ms⚠️
端侧推理(Orin)<15ms240ms(未量化)⚠️
GR00T推理<500ms未完成🚫

二、团队分工与交付

成员角色任务数完成完成率
xspace (静静)总工/总设/总架构·4060 WSL151493%
web项目经理·产品经理·模型专家·4090161488%
小芳硬件专家·安全保障·测试专家·Mac/Orin11982%
合计423788%

三、核心交付物

层级交付物负责人规格
Sys0硬件框架设计(8章)xspaceOrin→ROS2→SR5-C, L1-L5安全
Sys1ACT模板 + SmolVLA + LeWorldxspace52M/1.2ms + 450M/50ms + 5.5M/1.9ms
Sys2VLA-T引擎 + GR00T引擎 + gRPC服务web450M/284ms + 7B权重就绪 + 50052在线
Sys2VLA-T训练验证web300步/46s, Loss↓90.3%, VRAM 1.61GB
GUILeRobot Studio (8模块)xspace引擎切换+4090灯+仪表+总线+Robot+菜单+专利
EdgeMac + Orin端侧部署小芳Mac 300ms + Orin 240ms + 6轴读写
前端datadrive.world 网站web7页面+看板+算力指标+工厂调研
测试全链路42ms端到端小芳17项用例+QC-001证书

四、技术债务 & 未完成项

项目影响优先级
GR00T微调+验证缺失L4复杂决策能力,不影响核心场景
VLA-T推理延迟优化(284→<100ms)需模型量化或TensorRT
端侧模型量化(Orin 240→<15ms)INT8量化待执行
硬件7×24可靠性1小时测试待执行
产品PPTXxspace统稿中

五、经验教训

✅ 做得好的

1. 三人分工清晰, xspace架构→web工程→小芳测试, 流水线高效

2. 任务看板实时同步, 甘特图+健康灯可视化, 进度透明

3. Python 3.12兼容性问题通过逐层修复+最终使用原生环境解决

4. HF网络不通时快速切换hf-mirror镜像+禁用Xet协议

5. Sys2服务从零到上线(50052), 支持VLA-T真实推理284ms

⚠️ 需改进

1. GitHub推送阻塞: 4090出站网络限制, 改用HTTPS+token+ECS中转

2. GR00T兼容性: Isaac-GR00T与Py3.12/torch版本耦合紧, 需完整uv sync

3. 训练数据集下载: PushT需镜像+禁用Xet, 流程可提前脚本化

4. 实时沟通: 4060与4090网络隔离, 端到端联调依赖本地验证