---
title: "Chapter 09 — 实施路线图（8 周原型 + 4 个月生产）"
date: 2026-05-20
draft: false
tags: ["PRISM", "世界模型", "空间记忆", "机器人", "iOS", "评测"]
categories: ["PRISM"]
---

# Chapter 09 — 实施路线图（8 周原型 + 4 个月生产）

> 本章目标：把 PRISM 从"文档"变成"能跑的代码"。给出**8 周原型计划**（达到 demo 可演示）+ **4 个月生产计划**（达到上线可交付）。

---

## 9.1 总览

```mermaid
gantt
    title PRISM 实施路线图（8 周原型 + 4 个月生产）
    dateFormat  X
    axisFormat  W%s

    section 8 周原型
    Phase 0：准备 硬件 + 环境           :p0, 0, 1
    Phase 1：单边管线 iPhone & ZED      :p1, 1, 3
    Phase 2：核心握手 重定位 MVP        :p2, 3, 5
    Phase 3：在线感知 + delta           :p3, 5, 7
    Phase 4：巩固机制                  :p4, 7, 8
    Phase 5：端到端 demo                :milestone, m1, 8, 8

    section 4 个月生产
    Phase 6：鲁棒性 / 多房间 / 评测     :p6, 8, 16
    Phase 7：集成 LLM Agent / 任务系统  :p7, 16, 20
    Phase 8：生产部署 / 文档 / 开源     :p8, 20, 24
```

---

## 9.2 Phase 0 — 准备（W0 = 部署前）

### 硬件清单

| 类别 | 物品 | 数量 | 价格 | 用途 |
|------|------|------|------|------|
| 扫描 | iPhone 15 Pro Max | 1 | ¥10 k | RoomPlan |
| 扫描 | DJI OM 6 稳定器 | 1 | ¥0.9 k | 减抖 |
| 扫描 | ArUco 标识板（铝） | 3 | ¥0.2 k | 公共原点 |
| 机器人 | ZED 2i | 1 | ¥4 k | 在线感知 |
| 机器人 | Jetson Orin AGX 64 GB | 1 | ¥18 k | 计算 |
| 机器人 | 移动底盘（差速 / 麦轮） | 1 | ¥10–30 k | 载体 |
| 机器人 | 2D LiDAR (RPLIDAR S2) | 1 | ¥2 k | 安全冗余 |
| 工作站 | RTX 4090 + 64 GB | 1 | ¥25 k | 训练 / 烘焙 |
| **合计** | | | **~ ¥73 k** | |

### 软件环境

```bash
# 工作站
Ubuntu 22.04
CUDA 12.2 + cuDNN 8.9
ROS 2 Humble
Python 3.10 + conda env "prism"
  - open3d>=0.18
  - pyzed>=4.1
  - open_clip
  - ultralytics (YOLO-World)
  - nerfstudio
  - octomap-python
  - networkx + neo4j (optional)

# 机器人 (Jetson Orin)
JetPack 6.0
ROS 2 Humble
同上 Python 包（Jetson 编译版）
ZED SDK 4.1
```

### 团队配置（最小）

| 角色 | 人数 | 重点 |
|------|------|------|
| Robotics 工程师 | 1 | ZED + ROS 2 + 控制 |
| ML 工程师 | 1 | CLIP / YOLO / 3DGS |
| 系统工程师 | 1 | PRISM 主框架 + Schema |
| iOS 开发（兼） | 0.5 | PRISMScanner App |

---

## 9.3 Phase 1 — 单边管线（W1–W2）

### W1：iPhone 端管线打通

**目标**：跑通 [`04_pipeline_A_iphone_offline.md`](04_pipeline_A_iphone_offline.md) 全流程，得到一个房间的 LTM。

| Day | 任务 | 验收 |
|-----|------|------|
| Mon | 写 `PRISMScanner` Swift App（最小版：调 RoomPlan + 存 USDZ + JSON） | iPhone 真机可扫房间 |
| Tue | 实现 `parser_iphone.py` + `align_to_map.py` | 一个房间 → JSON，节点 ≥ 20 |
| Wed | 实现 `extract_furniture_mesh.py` + `bake_octomap.py` | 每件家具一份 `.glb`；octomap.bt 可视化通过 |
| Thu | 实现 `bake_tsdf.py` + CLIP 计算 | tsdf.vbg + 节点 embedding |
| Fri | 实现 `build_anchors.py` + `prism_ingest_iphone` CLI；写单元测试 | `prism ingest` 一行命令完成 |

**周末验收**：扫一个真实卧室 → 跑 ingest → `prism viz ltm` 在 RViz 看到房间 + 床 + 桌（带标签）。

### W2：ZED 2i 端管线打通

**目标**：跑通 ZED 实时数据采集 + VIO + 关键帧保存，与 PRISM Schema 对接。

| Day | 任务 | 验收 |
|-----|------|------|
| Mon | ZED SDK 安装 + ROS 2 wrapper；输出 RGB+Depth+Pose | rqt 看到三路 topic |
| Tue | 实现 `FrameProducer`（环形缓冲 + 关键帧）+ `PerceptualFrame` 序列化 | 关键帧落盘 stm/keyframes/ |
| Wed | 实现 TSDF Worker（局部融合，先不接 prior_mask） | RViz 看到实时 mesh |
| Thu | 实现 `DetectorWorker`（YOLO-World，开放词表） | `prism viz detection` 在 RGB 上画框 |
| Fri | TF 树整理 + 时间戳同步检查 | 所有节点 lag < 100 ms |

**周末验收**：手推机器人在一个房间转一圈，得到 stm/ 目录有 100+ 关键帧，TSDF 完整。

---

## 9.4 Phase 2 — 核心握手：重定位 MVP（W3–W4）

### W3：粗匹配 + 精配准

**目标**：在 1 个房间内实现冷启动重定位成功率 > 90%。

| Day | 任务 | 验收 |
|-----|------|------|
| Mon | 实现 `CoarseRelocalizer`（CLIP Top-K） | 单次匹配 < 100 ms |
| Tue | 实现 `fine_register`（FPFH+RANSAC → ICP） | 单次配准 < 500 ms |
| Wed | 串成 `relocalize()` + 在 10 个不同位置测试 | 成功率 ≥ 8/10 |
| Thu | 加多帧投票 + DINOv2 重排 | 成功率 ≥ 9/10 |
| Fri | 发布 TF `map → zed2i_init`；写 ROS 2 节点 | 完整 ROS 流水线运行 |

**周末验收**：把 ZED 在房间内随机放 10 个位置，每次 < 1 s 给出位姿，平移误差 < 15 cm。

### W4：跨房间 + 异常处理

**目标**：扩到多房间，加入容错。

| Day | 任务 | 验收 |
|-----|------|------|
| Mon | 扩到 3 个房间 LTM；CLIP 检索 Top-3 房间 → 逐个 ICP | 跨房成功率 ≥ 85% |
| Tue | 实现 anchor 级超精配（5.6）作为兜底 | fitness 提升 0.1+ |
| Wed | 实现 `OnlineRelocalizer`（在线 anchor 校正） | 巡逻 30 min 漂移 < 30 cm |
| Thu | 实现 ArUco 兜底 + 绑架恢复 | 绑架到另一房间 30 s 内恢复 |
| Fri | 写自动化重定位评测脚本 | `prism eval reloc` 输出报表 |

**周末验收**：[`05_pipeline_B_relocalization.md`](05_pipeline_B_relocalization.md) §5.10 评测协议全部通过。

---

## 9.5 Phase 3 — 在线感知 + delta（W5–W6）

### W5：完整在线感知

**目标**：实现 Chapter 06 的所有 worker，跑稳。

| Day | 任务 | 验收 |
|-----|------|------|
| Mon | TSDF Worker 接入 `prior_mask` / `no_update_zone` | 镜面区不被污染 |
| Tue | Detector Worker 接入 `associate_hybrid` + EMA 更新 | 已知家具不漂 |
| Wed | 实现 `ChangeDetector`（TSDF diff + DBSCAN） | 手动搬走一把椅子，10 s 内出 delta |
| Thu | 实现 `DeltaLog`（去重 + JSONL） | 重复事件不重写 |
| Fri | 整体压测：跑 2 小时 | 无内存泄漏，30 Hz 稳定 |

### W6：差异检测与告警

| Day | 任务 | 验收 |
|-----|------|------|
| Mon | 实现"新增物体"提案流程；与现有节点 disambiguate | 新拖鞋出现写 delta，不重复 |
| Tue | 隐私过滤（person → 不写语义） | 人入镜不写入 LTM |
| Wed | dashboards: `prism viz live` + `prism viz delta` | 两个可视化能跑 |
| Thu | 写 ROS 2 launch 文件，整套节点一键启动 | `ros2 launch prism online.launch.yaml` |
| Fri | Bug fix + 性能 profile | CPU < 50%，GPU < 60% |

**周末验收**：连续运行 4 小时，delta 累积 ≥ 500 条，无崩溃。

---

## 9.6 Phase 4 — 巩固机制（W7）

**目标**：跑通 Chapter 07 的 `prism consolidate` 完整流程。

| Day | 任务 | 验收 |
|-----|------|------|
| Mon | 实现 `classify` + 晋升规则；单元测试 | 1000 模拟 delta，准确分类率 100% |
| Tue | 实现 `arbitrate`（冲突合并） | remove+add 自动合并为 moved |
| Wed | 实现 `apply_events`（deepcopy + 整体替换） | 应用后 validate() 0 errors |
| Thu | 实现 `incremental_update_tsdf` + warmstart 3DGS | 单房间增量 < 5 min |
| Fri | staging + sanity_relocalize + commit；回滚测试 | 注入故意错误能成功回滚 |

**周末验收**：跑一次完整 `prism consolidate --mode=full`，前后对比 LTM 健康度提升。

---

## 9.7 Phase 5 — 端到端 demo（W8）

**目标**：完整演示一个 "T0–T4 一天" 剧本（参考 [`08_runtime_timeline.md`](08_runtime_timeline.md)）。

| Day | 任务 | 验收 |
|-----|------|------|
| Mon | 选定真实场景（实验室 + 2 房间），完成 iPhone 扫描 | LTM 节点 ≥ 50，anchors ≥ 6 |
| Tue | 部署到机器人 + 完整启动；冷启动 demo | 视频 1：开机 → 重定位 |
| Wed | 巡逻 + delta 累积 demo | 视频 2：搬走椅子，10 s 内提示 |
| Thu | LLM Agent 集成（GPT-4o 调用 PRISM API）；任务 demo | 视频 3："取遥控器" 任务成功 |
| Fri | 充电触发 consolidate + 第二天重启 demo | 视频 4：巩固前后对比 |

**周末交付**：
- 📹 4 段演示视频（每段 < 2 min）
- 📊 性能报告（重定位 / 在线感知 / 巩固指标）
- 📚 README + Quickstart 文档
- 🎤 15 分钟 demo PPT

**此时 PRISM v0.1 原型可对外展示**。

---

## 9.8 Phase 6 — 鲁棒性与多房间（M3–M4，2 个月）

| 周次 | 主题 |
|------|------|
| M3-W1 | 扩到 8 房间 + 走廊（真实酒店楼层） |
| M3-W2 | 重定位在跨多 session 拼接 LTM 上的稳定性 |
| M3-W3 | 镜面 / 玻璃 / 弱纹理的特殊处理（接 [`hotel_scene_implementation_plan_part2.md`](../hotel_scene_implementation_plan_part2.md)） |
| M3-W4 | 长时（72 h 不间断）压测 |
| M4-W1 | 自动化评测套件（13 章指标） |
| M4-W2 | 数据集采集（HotelScene-Bench v0.5） |
| M4-W3 | 性能优化（FP16 / TensorRT / nvblox） |
| M4-W4 | 第一轮内部用户测试 + 修 bug |

---

## 9.9 Phase 7 — LLM Agent 集成（M5）

| 周 | 任务 |
|----|------|
| W1 | 写 `SpatialMemoryAPI`（高层接口）+ Function-Calling schema |
| W2 | GPT-4o / Qwen-VL 接入；任务规划器 |
| W3 | 6 类典型任务实现：取物、引路、检查、补货、问询、迎宾 |
| W4 | 多轮对话 + 上下文管理 + 错误恢复 |

---

## 9.10 Phase 8 — 生产 / 开源（M6）

| 周 | 任务 |
|----|------|
| W1 | 安装脚本 / Docker 镜像 / 一键部署 |
| W2 | 完整文档（API ref + 教程 + FAQ） |
| W3 | 开源准备（GitHub 仓库 + README + LICENSE） |
| W4 | 发布 v1.0 + 论文撰写启动 |

---

## 9.11 关键里程碑（Go/No-Go gates）

| 时刻 | Gate | 通过标准 | 不通过怎么办 |
|------|------|----------|--------------|
| **W2 末** | 单边管线 | 两条管线各自 demo 成功 | 延期 1 周；不能进 W3 |
| **W4 末** | 重定位 | 多房间冷启动 ≥ 85% | 不能进 W5；换 DINOv2 + anchor 兜底 |
| **W6 末** | 在线感知稳定 | 4 h 无崩溃 + 资源占用合理 | 优化或简化 worker |
| **W8 末** | 端到端 demo | 4 段视频 + 报告 | 缩小 demo 范围 |
| **M4 末** | 鲁棒性 | 72 h 压测通过 | 暴露真实问题再迭代 |
| **M6 末** | 生产就绪 | 文档 + Docker + 开源 | 推迟 release |

---

## 9.12 风险驱动的调整规则

每周五开 30 min sync，按下表决定下周计划：

| 信号 | 调整 |
|------|------|
| 重定位 fitness 持续 < 0.7 | 暂停新功能，先解决（可能要补 DINOv2 / SuperPoint） |
| Detector 误检率高 | 增加训练时间或换 Grounding-DINO |
| delta/pending 增长太快 | 提前实现 consolidate 的轻量版 |
| iPhone 扫描人工成本太高 | 简化采集 SOP，或试用 Polycam 替代 RoomPlan |
| Jetson 资源不足 | 砍 3DGS（用 Mesh 代替）或换 Orin AGX 64 GB |

---

## 9.13 团队任务分配建议

| Sprint | Robotics | ML | System | iOS |
|--------|----------|----|----|-----|
| W1 | (env setup) | (env setup) | parser_iphone | PRISMScanner |
| W2 | ZED ROS2 + FrameProducer | YOLO-World | TSDF Worker | — |
| W3 | TF / 控制 | CLIP coarse | fine_register / ICP | — |
| W4 | OnlineReloc / Anchor | DINOv2 rerank | ChangeDetector | (ArUco 兜底) |
| W5 | Avoidance 接入 | EMA 更新 | DeltaLog | — |
| W6 | Launch + 压测 | dashboards | — | — |
| W7 | 集成 | 3DGS warmstart | consolidate full | — |
| W8 | E2E demo | demo 物料 | docs / quickstart | — |

---

## 9.14 预算（8 周原型阶段）

| 类别 | 金额 |
|------|------|
| 硬件（一次性） | ~ ¥73 k |
| 软件订阅（Roboflow / Polycam Pro / OpenAI API） | ¥3 k |
| 云 GPU 备用（恒源云） | ¥2 k |
| 场地租用（一个酒店楼层 1 周） | ¥10 k |
| 人力（3.5 FTE × 2 月） | ¥150 k |
| **合计** | **~ ¥240 k** |

→ 即 8 周原型阶段约需 ¥24 万。生产阶段（M3-M6）再追加约 ¥80 万。

---

## 9.15 本章小结

| 关键里程碑 | 时刻 | 一句话 |
|-----------|------|--------|
| **单边可跑** | W2 末 | iPhone & ZED 分别打通 |
| **握手成功** | W4 末 | 任意位置 1 s 内重定位 |
| **在线稳定** | W6 末 | 4 h 压测无崩溃 |
| **巩固闭环** | W7 末 | 充电 → 巩固 → 重启验证 |
| **端到端 demo** | W8 末 | 4 段视频 + 报告 |
| **生产就绪** | M6 | 开源 + 文档 + Docker |

读完本章你应能：
- ✅ 制定一份 PRISM 的 Gantt 图
- ✅ 在每个 gate 决定 Go/No-Go
- ✅ 估算预算与团队配置

下一章 [`10_tech_stack.md`](10_tech_stack.md) 细化具体技术栈选型与版本依赖。

---

**章节版本**：v1.0
**估计阅读时间**：12 分钟
**关键收获**：从今天起到 8 周后能演示，每天该做什么