AiBrainBox--面向高危作业空间安全智能节点Spatial AI Safety感知 → 定位 → 识别 → 关联 → 空间理解 → 风险推理 → 主动干预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 LiDAR② 人员跟踪3D Tracking③ UWB身份关联Person ↔ Tag④ 3D作业区Safe / Warning / Hazard⑤ 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-S3D 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1.11.5 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“Spatial Safety Engine”分成六层。Layer 1PerceptionRGBPerson / Vehicle / PPE / EquipmentLiDARPoint Cloud ↓Ground ↓Object ↓3D PositionLayer 23D Object Tracking每个人形成PersonTrack-TrackIDPositionXYZVelocityXYZHeightDirectionTrajectoryConfidence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 TrackLayer 3RGB 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 BackboneRGB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 #12Layer 4UWB 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 5Spatial 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 IntelligenceLayer 6Safety Reasoning然后才进入真正的“AI安全”。例如另一个人这就真正变成AI Safety Decision电子围栏也因此可以分成四种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 Buffer④ 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