用友智能工厂（离散版） 实施方法论 V2.0 综述 阶段任务详解 项目管理要点 实施指引 综述 “ 中国制造 2025” 及“工业 4.0” 概念的快速普及将会极大促进中国传统制造业的转型升级，构建“体现信息技术与制造技术深度融合的数 字化、网络化、智能化制造”成为中国制造业近十年的发展目标。 基于多年以来在离散制造行业深度经营的积累，并满足原型样板客户 记录”的理念，借鉴互 联网产品和移动应用产品的技术架构和开发模式，重点解决离散行业车间现场管理中有关 进度采集与监控、品质管理、现场物流驱动、生产过程防错等业务需求，实现车间现场人 员、设备、物料、任务等各个方面的有机整合，协助客户实现离散制造业的智能化改进。 1. 综述 - 定义及适用范围 1. 综述 - 用友智能工厂概貌 1. 综述 - 智能工厂实施方法论整体架构 组建团队 内部交接 动员会 方案评 审会 仿真模拟 上线 报告 1. 综述 - 实施路线图 调研与评估 方案设计 系统构建 上线运行 项目总结 1. 综述 - 智能工厂方法论与标准实施方法论的对比分析 - 阶段任务 U9 SMART 实施方法论 V2.5 项目规划 蓝图设计 系统建设 上线切换 持续支持 • 团队组建 • 内部交接 • 首次访谈 • 实施策略与计划确认 • 项目启动与宣贯 • 运行环境规划与部署

2000+ 参赛队伍 5000+ 篇论文使用并引用 > 关键平台： 建立了复杂环境协同感知数据平台 （ TPAMI 2022 ） 构建了大规模多源、多模态、多任务、非完备复杂环境协同感知数据平 台 VisDrone ，覆盖单机和多机协同感知任务。 国内外广泛使用的无人机视觉基准数据平台 DroneCrowd-TJU DroneVehicle-TJU 视觉－语言－导航 (VLN) 多模态动态感知 多任务协同学习 视觉－语言－动作 (VLA) 多智能体社会化交互 群体态势自主感知 集 群 协 同 感 控 一 体 视 觉感 四 未来工作 一 研究背景 二 VisDrone 数据平 台 · 三 · 低空协同感知脑 混合专家动态融合 数据支撑 大规模、多源、多模态、多任务的协同感知开放数据平台 双向动态提示学习 2024 ） 任务门控的多合一退化多模态融合模型（ TG-ECNet ） Ir=TG-EC Net(t,f 动态感知低质量图像退化类型 ，提示引导专家协同学习 ， 实现 All-in-One 退化 多 模态图像融合 创新：提出任务自适应门控的多模态专家协同模型解决多种类型退化干扰下融合难题 (ICML 2025) 复杂环境下低空视觉感知面临通用表征学习模型缺乏、任务定制表征学习难等挑战难点。

. 12 1.3.2 面向大模型时代的智能数据平台技术 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 1.3.3 支撑智能任务的高性能存储平台技术 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 1.4 热点方向三：智能化云运维、可信安全与能效优化 . . . 41 2.4.1 数据协同构建跨层级数据流通体系 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 2.4.2 任务协同实现多点协作与动态调度 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 2.4.3 模型协同支撑智能能力演进 . . 开发的一站式平台集成训练框架、推理优化、向 2 CHAPTER 1. 面向下一代云计算的研究 量检索与模型压缩能力，降低开发门槛；数据库与大数据平台向“湖仓一体”、“实时分析 +AI 内嵌”演 进，支撑复杂的数据科学任务。CI/CD 流程也扩展至 MLOps（Machine Learning Operations）范畴，实现 模型交付的自动化与可追溯。与此同时，模型即服务 MaaS（Model as a Service）正成为连接模型能力与

要 精细逻辑进行推理。 复杂环境下 ，低空推理决策面临语义稀密、空间难解与任务繁复的挑 战 感知 目标检测、 目标计数、 场景分类、 异常识别 理解 图像描述、 条件判断、 视觉定位、 高度预测 推理 物理推理、 因果推理、 情景推断、 反事实推理 决策 多机协同、 任务规划、 动作执行、 安全性评估 任务高度多样化 ，在输出结构、 知 识 深度与推理路径上差异巨大 ， 需要 跨层次泛化推理能力。 斜拍视角进行位置判断与空间度量 任务间推理路径差异化 俯拍视角进行目标感知与属性理解 四维度多种任务形式 空间难解 任务繁复 复杂环境下 ，低空具身智能面临“不可靠” ，“不精准”和“不可控”的挑战 “ 目标理解不可靠” “ 动作生成不精准” “ 体系安全不可控” 行动路径撞上障碍物 动作生成误差导致机械臂需要执行 冗余动作才能完成任务 语言指令与场景理解不稳定 ，任务 目标识别易偏差 端到端决策难以解释 2020 年 大规模密集数据与 通用检测数据集 03 VTUAV 2020 年至 2023 年 多模态 动态感知数据集 02 DroneVehicle 04 低空环境感知数据呈现出多任务、 多模态和多源协同特性 以 VisDrone 数据集为代表 ，低空环境感知数据面临简单静态到动态复杂的演进。 AG-ReID UAV-123 现实空间推理 基于多源信息构建物理度量， 在真实环境中进行空间推理。

环境数据采集：通过气 体传感器和温湿度传感器，采集火灾现场的环境数据，为灭火决策 提供科学依据。 - 动态路径规划：无人机根据火情变化和现场环 境，自动规划最优飞行路径，确保监测和救援任务的高效执行。 - 数据实时传输与可视化：将采集到的火情数据、环境数据和视频流 实时传输至指挥中心，并通过可视化平台展示，辅助决策者快速响 应。 项目的技术架构分为三个层次：感知层、处理层和应用层。感 此外，AI 识别技术还可以与无人机自主飞行控制技术相结合， 实现无人机的智能避障和路径规划。在复杂的火灾现场环境中，无 人机能够根据 AI 的指令，自动避开障碍物，选择最优路径接近火 灾源，从而确保灭火任务的顺利进行。这种智能化的飞行控制不仅 提高了无人机的安全性，还大大降低了操作人员的负担。 综上所述，AI 识别技术在低空无人机消防部署中的应用，不仅 能够提升火灾监测和应急响应的效率，还能优化消防资源的调度和 实时火情监测与预警：利用无人机搭载的高清摄像头和红外传 感器，实时监测目标区域的火情动态，并通过 AI 算法快速识 别火源、烟雾等异常情况，实现早期预警。无人机能够在复杂 地形和恶劣环境下执行任务，确保监测的全面性和及时性。 2. 精准火源定位与态势评估：通过 AI 图像识别和数据分析技 术，无人机能够精确识别火源位置，并结合地理信息系统 （GIS）生成火势蔓延趋势图，为消防指挥中心提供科学的决

农田建设为重点的农田整治。 一、提出任务 高标准基本农田建设内容及技术要求 高标准基本农田建设总体要求—提出任务 2010 年 1 号文件：按照统筹规划、分工协作、集 中投入、连片推进的要求，加快建设高产稳产基本 农田。 2011 年中央 1 号文件：加强灌区末级渠系建设和 田间工程配套，促进旱涝保收高标准农田建设。 高标准基本农田建设规范与技术 高标准基本农田建设总体要求—提出任务 2012 设。制定全国高标准农田建设总体规划和相 关专项规划，多渠道筹集资金，开展农村土 地整治重大工程和示范建设，集中力量加快 推进旱涝保收高产稳产农田建设。 高标准基本农田建设内容及技术要求 高标准基本农田建设总体要求—提出任务 2011 年 7 月 20 日，国务院第 164 次常务会议： 制定并实施全国土地整治规划，加快建设高标准基 本农田，力争“十二五”期间再建成 4 亿亩旱涝保收的 高标准基本农田。 2011 8 月 23 日，中央政治局第 31 次集体学 习会：“加快农村土地整理复垦，大规模建设旱涝保 收高标准农田”。 《全国土地整治规划（ 2011 ～ 2015 年）》： 4 亿亩高标准基本农田建设任务，分解到 31 个省（区、 市）。 高标准基本农田建设规范与技术 高标准基本农田建设总体要求—总体思路 • 统领 -- 科学发展观； • 平台 -- 农村土地整治； • 抓手 -- 重大工程、

关键功能模块......................................................................................67 6.2.1 任务调度系统.............................................................................69 6.2.2 航路规划模块.. 用户预约.....................................................................................96 8.2.2 任务执行.....................................................................................98 8.2.3 数据反馈 通， 为用户提供智能化决策支持。  建立完善的应急响应机制，快速处理突发事件。 数据表格可以帮助直观展示一些关键指标，比如各类飞行任务 的需求量、注册飞行器数量、凶险空域分布等信息，以便于在平台 设计与运营中进行决策。 指标 数值 预计飞行任务数量 500 0 注册飞行器数量 200 0 高风险空域 15 个 预计服务用户数 300 0 综上所述，低空飞行服务平台的建设不仅是技术上的挑战，更

发展历程 -“ 三起两落 ”五阶段 窄人工智能 (Narrow AI): 也称为弱人工智能 , 指的是在特定领域或任务上表现出智 能 的系统 , 例如语音识别或图像识别。 通用人工智能 (AGI): 也称为强人工智能 , 指的是具有广泛认知能力的系统 , 能够像 人 类一样在多个领域和任务上表现出智能。 超级人工智能 (Superintelligent AI): 指的是在所有领域都远远超过人类智能的系 数。大模型在语言理解方面表现出 非凡的能力 , 也能够执行从情感分析到数学推理的各种任务。 大模型与搜索引擎有着本质的不同 : 大模型通过理解问题直接给出答案 ; 搜索引擎则是给出你要查询信息的参 考链接 , 答案需要用户查看返回链接的内容并自行进行总结。 总之 , 大模型经过训练 , 可以执行简单任务 , 如预测句子中的下一个单词。然而 , 它们也能够理解人类语 言的大部分结构和含义 , 并具备丰富的常识 , 能够在训练中“记住”大量的事实。将大模型想象成一个巨大 而灵活的大脑 , 只要它们有足够的数据和处理能力 , 就可以学会执行各种任务。因此 , 当与大模型互动时 , 请记住您正在与一种令人印象深刻的人工智能技术进行交流。 “ 是谁”“什么时候” “ 在哪里” “ 发生了什么事” ” 为什么” “ 怎么做” 核心是两个，一个是理解自然语言，明白人的意图；

视 人机协 同 高效智能 • PEP 生产准备周期缩短 • 整车订单交付周期缩短 • 借助数字化、智能化手段，设备综合利用率 OEE 提升，设备停机故障率下降 • 智能识别感知订单任务并执行任务 • 控制单车制造成本在一个良好水平 质量卓越 • 实现从质量策划、执行到问题解决的闭环 • 实现产品质量 audit 综合评价持续向好 • 实现产品及关键零部件质量全程可追溯 • 提升生产质量一次通过率 数据采集 生产防错 质量过点 生产打印 （单据 \ 证 书） 作业指导 问题管理 软件版本控制 产线控制 现场管理 电子看板 变化点管理 工位界面 返修管理 返修车辆定位 返修任务 返修过程跟踪 返修知识库 返修工时 设备管理 设备台账 设备点检 维护保养 设备维修 人员管理 人员考勤 人员技能 培训管理 人员绩效 生产质量 法规证书管理 质量数据采集 数据采集 生产防错 质量过点 生产打印 （单据 \ 证 书） 作业指导 问题管理 软件版本控制 产线控制 现场管理 电子看板 变化点管理 工位界面 返修管理 返修车辆定位 返修任务 返修过程跟踪 返修知识库 返修工时 设备管理 设备台账 设备点检 维护保养 设备维修 人员管理 人员考勤 人员技能 培训管理 人员绩效 生产质量 法规证书管理 质量数据采集

应用于结构化制造环境中，成为传统工业自动化的支柱力量。近年来，协作机 器人凭借安全、易部署的特性，推动了人机协作的柔性制造浪潮，尤其在小批量、多品种的工艺环节中展现出独特优势。然而，随着市场对“多任务、 跨场景、自主应变”的能力要求不断提升，传统工业机器人和协作机器人在泛化执行力与环境适应性方面的短板日益凸显，难以满足复杂、动态场景 下对智能化操作的迫切需求。 • 在生成式AI、通用大模型和多 物理世界之间的桥梁，其操作能力与泛化能力被赋予全新的战略意义。在此背景下，自适应机器人作为兼具力控精度、多模态感知、动态反馈控制与 任务迁移能力的新一代机器人形态，正逐步走向台前，成为构建通用智能物理落地能力的关键支撑。 • 本报告将聚焦自适应机器人在通用智能体系中的定位与价值，尤其是在工业与服务等多场景下的任务泛化能力、系统闭环能力以及落地部署潜力，力 求厘清其技术优势、生态协同机制与市场演化路径，为行业发展提供深入洞察与战略参考。 在运动能力方面的发展较为成熟，但其操作能力仍然刚性且通用性不足，难以应 对复杂多变的作业场景。在这一背景下，当前实现通用机器人的的关键是提高操作能力。自适应机器人凭借高级别的位姿偏差补偿、抗干扰和任务泛 化能力，成为通用机器人在物理世界的执行基座。 1. 需求端：全球范围内，人口老龄化和劳动力结构变化导致制造、物流、农业、服务等领域的劳动力供需矛盾日益突出，部分行业出现 “用工荒” 和用