gaojie/worldmodel

Fork 0

Files

T

gaojie 0b12ff023c

Sync to site1 / sync (push) Has been cancelled

Details

chore: update PRISM categories from worldmodel to PRISM

2026-05-21 02:25:22 +08:00

14 KiB

Raw Blame History

title, date, draft, tags, categories

title

date

draft

Chapter 12 — 风险与对策

本章目标：把 PRISM 全系统在采集 / 部署 / 运行 / 长期维护四个阶段可能出问题的地方系统化列出，并给出每项的缓解措施 / 监控指标 / 应急预案。

12.1 风险分类总览

flowchart LR
    ROOT["<b>PRISM 风险地图</b>"]
    R1["<b>R1 数据风险</b><br/>扫描漏点<br/>坐标系错<br/>镜面区无效"]
    R2["<b>R2 算法风险</b><br/>重定位失败<br/>漂移<br/>检测错配"]
    R3["<b>R3 工程风险</b><br/>资源不足<br/>依赖断裂<br/>并发竞争"]
    R4["<b>R4 物理环境风险</b><br/>高反光<br/>动态人<br/>突发遮挡"]
    R5["<b>R5 数据安全风险</b><br/>客人隐私<br/>数据出境<br/>AGPL 传染"]
    R6["<b>R6 长期维护风险</b><br/>家具频繁变化<br/>LTM 老化<br/>人员流失"]
    ROOT --> R1 & R2 & R3 & R4 & R5 & R6
    style ROOT fill:#fff7d6,stroke:#c97a00,stroke-width:2px
    style R1 fill:#e3f2fd,stroke:#1565c0
    style R2 fill:#fde2e2,stroke:#a33
    style R3 fill:#d4f0d4,stroke:#2e7d32
    style R4 fill:#fff1c1,stroke:#a87a00
    style R5 fill:#f5e1ff,stroke:#7b1fa2
    style R6 fill:#d8e4ff,stroke:#1565c0

每个风险给出：概率 × 影响 → 等级 → 对策 → 监控指标。

12.2 R1 数据风险

R1.1 iPhone 扫描漏点 / 几何不闭合

项	内容
概率	中（每次扫描 30% 概率有漏点）
影响	中（机器人可能撞到墙或穿墙规划）
等级	🟡 中
触发条件	弱纹理大白墙、强光下、扫描速度过快
对策	① 采集 SOP（`04_pipeline_A_iphone_offline.md` §4.2.2） ② 多次扫描融合 ③ 后期人工补点（MeshLab）
监控	`prism qa` 检查每房间是否闭合 polygon
应急	立刻补扫；机器人在该区域加 2D LiDAR 兜底

R1.2 坐标系不一致（iPhone vs ZED `map` 帧）

项	内容
概率	高（如果不放 ArUco 几乎必失败）
影响	致命（机器人位姿完全错）
等级	🔴 高
对策	① 强制约定 ArUco 公共原点（`05_pipeline_B_relocalization.md` §5.9） ② 重力对齐双校验
监控	ingest 时若没检到 ArUco 直接报错退出（fail fast）
应急	不允许部署没有 ArUco 的 LTM

R1.3 镜面 / 玻璃区域几何错乱

项	内容
概率	高（任何卫生间/玻璃幕墙都有）
影响	中（局部 mesh 坏 + 重定位失败）
等级	🟡 中
对策	① iPhone 扫描时人工标镜面 → `no_update_zone` mask ② 后期跑反射检测（偏振相机或 RGB 反射启发式）补打 ③ TSDF Worker 在该区域 weight=0
监控	每天巡逻一次镜面区，检查 TSDF noise level
应急	卫生间默认整间标 no_update，宁可粗也不污染

12.3 R2 算法风险

R2.1 重定位失败（特别是冷启动）

项	内容
概率	低（< 5%，但出现就阻塞所有任务）
影响	高（机器人不能工作）
等级	🔴 高
触发	强光直射、视野遮挡、相似房间（连号客房）
对策	① CLIP + DINOv2 双 backbone 投票 ② 多帧投票（5 帧） ③ ArUco 兜底（房间门口贴） ④ 遥控人工"我在这"按钮
监控	`prism eval reloc` 每日跑；fitness 滑动均值 < 0.7 报警
应急	启动 ArUco 兜底；通知运维

R2.2 VIO 长时漂移

项	内容
概率	高（必发生）
影响	中（位姿误差累积，但 anchor 校正可吸收）
等级	🟡 中
对策	① 每见到 anchor 触发 ICP 校正 ② 每 5 min 主动重定位健康检查 ③ 漂移估计 > 50 cm 强制 reloc
监控	drift_estimate 时间序列；anchor 命中间隔
应急	触发完整重定位

R2.3 检测错配（YOLO 把椅子识成 sofa）

项	内容
概率	中（开放词表模型常见）
影响	低（单次 → confidence 低 → 不会污染 LTM）
等级	🟢 低
对策	① CLIP-rerank 二次验证 ② Consolidate 时的高门槛（min_obs / min_views） ③ 跨房间一致性检查
监控	delta confirm 率（应在 10–30%）
应急	暂停 detector，先查模型版本

R2.4 差异检测假阳性（沙发被坐了不是被搬走）

项	内容
概率	中（人活动时常触发）
影响	低（不立即改 LTM）
等级	🟢 低
对策	① 隐私过滤（检到 person 跳过该帧） ② min_obs ≥ 10、min_span_s ≥ 600 ③ iPhone 高 conf 节点门槛 1.5x
监控	delta reject 率 > 70% 反而正常（说明过滤起效）

12.4 R3 工程风险

R3.1 Jetson 资源不足

项	内容
概率	中
影响	高（节点掉帧 / 崩溃）
等级	🔴 高
对策	① TensorRT FP16/INT8（`10_tech_stack.md` §10.6） ② Worker 频率自适应（移动时高，静止时低） ③ 选 Orin AGX 64 GB 而非 32 GB
监控	`tegrastats` 实时；任一 worker 延迟 > 2× 目标即降级
应急	优先停 ChangeDetector 与 3DGS；YOLO 类别动态裁剪

R3.2 依赖版本断裂（CUDA / PyTorch / Open3D）

项	内容
概率	高（每次升级都可能）
影响	中（不能跑）
等级	🟡 中
对策	① Docker 固化版本 ② `pyproject.toml` 钉死 minor 版本 ③ CI 跑 nightly 跨版本 smoke test
监控	CI badge 红即拒绝合并

R3.3 并发竞争（在线感知 ↔ Consolidation）

项	内容
概率	中（每次巩固）
影响	中（可能数据丢失）
等级	🟡 中
对策	① 巩固开始前调 `set_readonly(true)`；感知此期间只能写 delta ② staging 写完才原子切换 ③ 文件锁 + 进程级互斥
监控	巩固日志中的 lock 等待时间

R3.4 磁盘/IO 瓶颈

项	内容
概率	低
影响	中（关键帧丢）
等级	🟢 低
对策	① SSD 而非 eMMC ② keyframes 用环形写（满了覆盖） ③ 巩固时压缩老 snapshot
监控	磁盘空闲 < 20% 报警

12.5 R4 物理环境风险

R4.1 高反光（卫生间镜面、玻璃幕墙）

参见 R1.3。再加一条：

| 对策 | 在 LTM 中给整间卫生间标 category=high_reflection，机器人路径规划时绕远 |

R4.2 动态人 / 宠物

项	内容
概率	高（酒店满人）
影响	中
等级	🟡 中
对策	① YOLO 检 `person` → 该帧跳过语义写入（保留几何用于避障） ② Avoidance 优先；Nav stack 与 PRISM 解耦 ③ 跟随人时不写 delta
监控	每小时 person-frame 比率，超 50% 触发"高密度模式"

R4.3 突发遮挡（清洁车、行李堆）

| 对策 | ① 临时遮挡 < 30 s 不写 delta
② Avoidance 短期记忆（local OctoMap 持续 30 s） |

R4.4 极端光照（开灯/关灯切换）

| 对策 | ① ZED Auto Exposure
② 关灯时 fallback 到深度 + 几何重定位（CLIP 退化）
③ Anchor ICP 不依赖光照 |

12.6 R5 数据安全风险

R5.1 客人隐私（人脸 / 行李 / 身份信息）

项	内容
概率	必然
影响	高（法律与商业）
等级	🔴 高
对策	① YOLO 检 `person/face/luggage` → 像素级模糊或丢弃 ② RGB 关键帧默认本地存储，不上传云 ③ Snapshot 加密 ④ 30 天后自动删除 stm/keyframes
监控	每周抽样 100 张关键帧人工检查
应急	客人投诉立即下机检查

R5.2 数据出境（GPT-4o）

| 对策 | 国内场景全栈本地化：Qwen2.5-VL + BGE-M3 + 本地 Cypher |

R5.3 LICENSE 传染（YOLO AGPL）

| 对策 | ① 商用购 Ultralytics 商业 license；② 或换 PaddleDetection / NanoDet |

12.7 R6 长期维护风险

R6.1 家具频繁被移动

项	内容
概率	高（每天清洁）
影响	中
等级	🟡 中
对策	① 给易移动家具打 `mobile=true`，不作 anchor ② Consolidate 时这些节点门槛更低 ③ delta 中关于 mobile 的事件不报警

R6.2 LTM 老化（与现实偏离）

项	内容
概率	必然（30 天后偏差明显）
影响	中
等级	🟡 中
对策	① 月度 deep consolidation ② anchor 失活率超 30% 自动提示重扫 ③ 季度人工重扫一次
监控	`prism health` 给出 LTM 健康分（0–100）

R6.3 团队人员流失 / 文档失同步

| 对策 | ① 本系列文档；② Schema 版本号 + migrate 函数；③ 每月 release notes |

R6.4 错误巩固导致 LTM 损坏

项	内容
概率	低
影响	致命
等级	🔴 高（罕见但毁灭）
对策	① 巩固后 sanity_relocalize 自动校验 ② 失败回滚（保留 `.prev`） ③ snapshots 保留 6 份
监控	每次巩固后 health 分变化 ≤ -5 即拒绝
应急	自动回滚 + 人工调查

12.8 风险矩阵（影响 × 概率）

quadrantChart
    title 风险矩阵 影响 x 概率
    x-axis 低影响 --> 高影响
    y-axis 低概率 --> 高概率
    quadrant-1 高概率高影响 必须立即处理
    quadrant-2 高概率低影响 容忍但要监控
    quadrant-3 低概率低影响 可接受
    quadrant-4 低概率高影响 建预案
    R1-2 ArUco 公共原点: [0.88, 0.85]
    R5-1 客人隐私: [0.85, 0.82]
    R2-2 漂移: [0.65, 0.82]
    R6-1 家具频繁变化: [0.62, 0.80]
    R4-4 高反光: [0.20, 0.85]
    R3-1 Jetson 资源不足: [0.78, 0.55]
    R6-4 巩固回滚: [0.75, 0.52]
    R1-1 扫描漏点: [0.55, 0.50]
    R1-3 坐标系错: [0.58, 0.48]
    R3-3 依赖断裂: [0.55, 0.45]
    R4-2 动态人: [0.52, 0.42]
    R2-4 检测错配: [0.22, 0.55]
    R2-1 重定位失败: [0.82, 0.20]
    R5-2 数据出境: [0.78, 0.18]
    R6-2 LTM 老化: [0.55, 0.22]
    R3-4 并发竞争: [0.20, 0.22]

🔴 高风险高影响项必须在 8 周原型期前解决：

R1.2 ArUco 公共原点（W1 必做）
R2.1 重定位双 backbone（W3-W4）
R3.1 Jetson 资源监控（W6）
R5.1 隐私过滤（W5）
R6.4 巩固回滚（W7）

12.9 风险登记表（Risk Register）

ID	风险	概率	影响	等级	Owner	状态	触发指标
R1.1	漏点	中	中	🟡	iOS dev	open	polygon 闭合率
R1.2	坐标系错	高	致命	🔴	iOS dev	mitigated by ArUco	ArUco 未检出
R1.3	镜面	高	中	🟡	ML	open	TSDF 噪声
R2.1	reloc 失败	低	高	🔴	ML	open	fitness 滑均
R2.2	VIO 漂	高	中	🟡	Robotics	mitigated by anchor	drift_estimate
R2.3	误检	中	低	🟢	ML	open	delta confirm 率
R3.1	资源不足	中	高	🔴	System	mitigated by Orin64	tegrastats
R3.3	竞争	中	中	🟡	System	mitigated by lock	lock wait
R5.1	隐私	必然	高	🔴	System+ML	mitigated	抽样审查
R6.4	错误巩固	低	致命	🔴	System	mitigated by rollback	health Δ
...

→ 用 Notion / 飞书表格维护，每周 review。

12.10 应急联动手册（Runbook）

报警	自动动作	人工动作	升级
reloc 失败 ≥ 3 次	启用 ArUco 兜底	检查 RGB 是否过曝	1 h 内修不好 → 下机
drift > 50 cm	强制 reloc	看 anchor 是否被搬走	24 h 后重扫
delta confirm < 1% 持续 1 周	警告	检查检测器 / 模型版本	升级 ML 工程师
consolidate 失败回滚	自动 + 邮件	查 sanity 报告	24 h 内查清
隐私抽检发现人脸未模糊	全量下机	修复后回归	法务介入
LTM 健康分 < 60	提示重扫	安排现场	—

12.11 与 `09_roadmap.md` 的 Gate 联动

每个 Gate 必须扫一遍本章 🔴 高风险项：

Gate	必查项
W2	R1.2 ArUco 实装
W4	R2.1 reloc 成功率达标
W6	R3.1 资源 + R5.1 隐私
W7	R6.4 回滚机制
W8	所有 🔴 通过
M4	72 h 压测覆盖所有 R

12.12 本章小结

关键	一句话
致命风险	坐标系错 + 隐私 + 错误巩固
常见但可控	漂移、误检、家具搬动
应急核心	自动回滚 + ArUco 兜底 + 隐私一键下机
维护核心	月度巩固 + 季度重扫 + Risk Register 每周 review

读完本章你应能：

✅ 给老板列出"PRISM 上线前必须解决的 5 件事"
✅ 设计 SLO / SLI 与报警阈值
✅ 写出 Runbook 给运维

下一章 13_evaluation.md 给出系统的客观评测指标和数据集。

章节版本：v1.0 估计阅读时间：15 分钟 关键收获：把"可能出问题的事"变成"已被监控、已被准备好回滚的事"

14 KiB Raw Blame History Unescape Escape