为什么我们能做成？

从成功的 ESS1 (PID) 交付经验，到 ESS2 (深度学习) 的数据闭环设计，我们具备完整的执行力。

Desmond Yam

项目统筹 (Project Manager) | 资深系统工程专家

2022 Nov - 现在: ESS2 深度学习项目

  • 统筹项目指标： 协同 Edison 确立深度学习模型的“目标性能 (Target Performance)”，即航向稳定性需优于 ±12°。
  • S型漂移归因： 主导了 ESS1 航向不稳的根因分析 (RCA)，利用量化数据确认 PID 局限性，从而确立了 ESS2 转向 AI 架构的战略决策。

2019 Nov - 2021 Jan: ESS1 PID 项目交付

  • 三区安全协议： 制定了 Zone I/II/III 的安全分级协议，确立了 PID 固件必须遵守的风险管理阈值。
  • 海试统筹： 策划并执行了 ESS1 的海试验证计划，成功完成了第一代系统的验收与交付。

2015 Sep - 2019 Aug: Bushnell (采购经理/电子)

  • 需求转化： 负责精密光电产品，擅长将复杂的用户需求转化为可制造的硬件规格（ISO 16315 合规框架基础）。
  • 极端环境验证： 领导跨部门团队进行功耗优化与热设计。

软硬结合的团队基因

不仅是 AI，更是造船专家

ESS1 硬件积淀

团队在 ESS1 项目中攻克了小型船只最难的“硬件适配”问题。我们拥有成熟的电机控制、防水结构设计及船体流体力学优化经验。这是纯算法公司无法比拟的物理壁垒。

供应链与落地

已成功打通从电机代工、模具开发到船厂安装的完整产业链。具备将实验室原型迅速转化为量产产品（Productization）的能力。

核心质询：Dr. Zhao 从陆地自动驾驶转做航海，行得通吗？

陆地 L4 自动驾驶

清华博后 / 冬奥项目

核心能力：

  • 多传感器融合 (Sensor Fusion)
  • 路径规划 (Path Planning)
  • 神经网络架构 (NN Architecture)
底层逻辑通用 (Transferable)

感知层与决策层的算法架构是高度一致的。区别仅在于物理模型的参数（摩擦力 vs 水阻力）。

海洋 L2+ 智能辅助

Vilsun ESS2

成功迁移：

  • 传感器由激光雷达改为 GNSS+IMU
  • 控制对象由车轮改为推进器
  • 利用 强化学习 (RL) 快速适应水面惯性

关于 Milestone 2 (M2) 的安排：

M2 阶段主要集中在硬件台架测试。虽然未向 ESS 申请资助，但 Vilsun 将自费 (Company Funded) 聘请 Dr. Zhao 担任顾问，确保硬件特性符合 AI 模型输入要求，保障研发连续性。

数据闭环：谁在做什么？(Who does what?)

ESS2 深度学习模型的成功依赖于严密的数据流程。我们有清晰的分工。

Step 1: 协议与指标定义

制定游戏规则

定义需要哪些数据来训练 AI？（例如：不同浪高的船体响应、极端阵风下的姿态）。

Edison (Senior PM)

关键职责： Edison (作为 CRS 作者) 负责制定训练验收标准 (Acceptance Criteria)，定义海况等级与数据颗粒度，确保数据满足 CRS 需求。

Step 2: 现场采集

海量数据收集

在真实海况下运行船只，记录原始的 Sensor Log (IMU, GNSS, PWM)。

Yiu Ka Yip

Testing Engineer: 负责操作测试船只，管理数据采集仪器，确保数据完整性。

Step 3: 挖掘与预处理

数据管道工程

开发 Data Loaders，处理原始数据，剔除噪点，准备训练集。

Ka Chun Leung

AI Engineer: 负责数据清洗脚本编写，将原始海试数据转换为 AI 模型可读取的格式。

Step 4: 标注与训练

AI 闭环迭代

深度学习必须标注： 定义“好”与“坏”的动作（Labeling），设计 Reward Function，进行仿真训练。

Dr. Zhao (Lead) Ka Chun Leung

Dr. Zhao 负责架构与策略；Ka Chun Leung (Exec) 负责代码实现与训练实验运行。