从感知到行动，机器人的硬件基础

多传感器感知与定位

定位、障碍检测与场景识别回答的是相互关联的问题：机器人在哪里，周围有什么，以及这些物体怎样影响通行。YOGO 将激光、视觉、红外、超声波与惯性测量结合，形成混合多级定位感知方案。

不同传感方式提供不同的约束：距离测量描述物体与机身的几何关系，图像提供可识别的场景特征，惯性测量描述自身运动。融合时需要考虑各自的观察范围、采集时间和信息质量，避免把同一时刻无法直接对应的观测简单叠加。多源感知的价值在于互补与校验。

参考递送平台采用 23 个 CPU、36 个传感器。下表列出主要感知器件，并非 36 个传感器的完整分项；实际安装配置随具体机型而变化。

惯性测量与信息交叉验证

IMU，即惯性测量单元，提供运动与姿态变化信息；激光和图像则以外部环境为参照。两类观察分别描述“机身怎样运动”与“环境相对机身怎样变化”，为解释同一段位移提供不同依据。

定位结果需要在连续移动中保持一致。机器人转弯、经过重复纹理区域或视野发生变化时，可通过不同来源的观测检查位置判断是否合理。混合多级定位因此同时关注精度、鲁棒性和独立验证，并在具体路线中检查观测条件变化对结果的影响。

视觉 SLAM 与场景识别

视觉 SLAM，即同步定位与地图构建，通过连续图像中的特征对应估计运动，并维护空间参照。它处理的是一系列画面之间的关系：哪些特征仍然可见、视角怎样变化，以及这些变化对应怎样的位移。地图与当前观测的对应关系，为后续定位提供依据。

YOGO 结合图像处理与深度学习识别人体、人脸等视觉特征。场景识别回答对象类别与所在区域，定位回答机器人自身的位置，两者服务于不同判断。在共用通道中，识别到行人还需要结合相对位置、移动方向和当前通行条件，才能组织等待与礼让。

多级决策与运动控制

YOGO 的多级控制让不同级别的传感器配合相应处理单元，由多个微处理器参与计算，再通过自研硬件通信操作系统与分布式算法协调。设计重点是明确各层的输入、输出与响应职责，使局部观测能够及时影响当前动作，也让运动结果返回上层任务。

局部控制与整体路线处理不同的时间和空间尺度。邻近障碍变化会影响当前可行的移动，目的地与路线则约束后续方向。两层衔接时，需要区分“路线仍然有效”与“此刻可以继续移动”，避免只依据全局目标忽略局部通行条件。

运动本身也会改变传感器观察到的内容。机器人与物体的相对位置发生变化后，后续观察会为下一步判断提供依据。因此，感知、判断与执行是随运行持续更新的过程，贯穿路线中的每一段移动。

临边与通道条件的判断

接近下坡临边时，判断重点是前方地面是否仍然支持行进。传感观测需要转化为对当前移动方向的约束，并在位置变化后持续更新。临边动画展示了从观察地面条件到调整行进方向的局部反馈过程。

闸机通道涉及设备状态与空间状态两类条件。识别到闸机后，还要判断通道是否开放、前方是否有人，以及等待位置是否合适。这些信息与路线一起参与决策，使设备识别、人员礼让和实际通过形成连续动作。

本体感知与楼宇设备信息的配合

YOGO AIoT 将机器人与电梯、闸机等楼宇设备连接起来。本体传感器观察物理环境，设施连接则提供通行点的信息与协作能力，两者承担同一通行过程中的不同职责。

例如电梯入口处的移动，同时涉及机器人所在位置、人员活动与设施运行状态。现场路线与设备连接需要一起安排，可用接口、通行权限和通信条件决定协作如何落实到具体项目。

机身结构与模块供电接口

机身结构为设备提供物理承载基础。YOGO 递送平台将锌合金结构与纤薄外形结合，在有限的机身空间内安排支撑框架、模块位置与移动底座。

结构承载与内部设备布置

内部框架连接模块安装位置与移动底座，承担设备支撑和载荷传递。外形尺寸、内部空间与承载路径相互制约：为模块留出空间的同时，也要维持安装连接的稳定性，并考虑机身移动时载荷分布对底座的影响。

模块布置需要同时考虑定位基准、固定方式与维护接近空间。模块如何拆装、载荷落在哪里、与相邻器件保留多少空间，都会影响整机集成。YOGO 将框架与服务功能共同设计，使承载结构能够对应具体模块和内部设备布局。

能源导轨与模块集成

能源导轨为匹配模块提供供电连接，使模块安装位置与电源接入保持对应。机械固定解决定位与承载，电气接入解决能源供应；两者需要在同一装配关系中确认，避免仅以外形适配判断模块是否可用。

完整模块集成还包括控制接口。机械连接、电源容量与控制通信分别决定模块能否装入、能否稳定供能，以及能否参与任务。选配时应共同核对这三方面条件，并将模块的运行状态和故障响应纳入整机验证。

轮式底盘与减震悬挂

底盘将机器人的载荷与运动连接到楼宇地面。YOGO 面向室内的瓷砖、木纹地板、水泥地等表面研发轮式底盘，轮组布置、地面接触与悬挂机构是其中相互关联的组成部分。

地面接触与路线条件

轮组与地面的接触条件影响驱动和支撑。干燥或潮湿表面、接缝、门槛及细小高度变化，会使同一底盘面对不同约束。评估时需要把地材、载荷与路线几何一起考虑，并检查转弯、停靠和对接等局部位置，而不只验证直线行驶。

轮组特写中可以看到较大的驱动轮与较小的支撑轮，它们的位置关系参与底座的支撑与移动。可通过的坡度、缝隙和门槛，则需要根据所选机型的运行条件评估。

Z 型交叉减震悬挂的运动关系

Z 型交叉减震悬挂通过连杆与减震器，让轮组和机身产生受约束的相对运动。轮组经过地面衔接处时，位移经机构传递并由减震器缓冲，减少冲击直接传向机身。动画中的轮组、连杆与减震器分别展示了地面输入、运动传递和缓冲作用。

悬挂性能要放在整机状态下理解。轮组接触、载荷分布和机构可用行程共同影响机身姿态与设备承受的运动；转运物品、内部传感器与对接机构也会受到这些变化影响。路线验证因此需要覆盖相应载荷和地面条件。

自主充电与电源管理

电源系统既承担供电，也参与服务过程的组织。YOGO 将电量状态与集中电源管理、自主找桩对接及充电接口连接起来，把任务接续与设备补能纳入同一运行过程。

基于云的集中电源管理

当系统检测到电量不足时，可以将任务交给附近的机器人，由低电量设备返回充电。单台设备的能源状态由此能够影响机群中的工作分配，让补能安排与服务任务建立联系。

低电量任务转交需要明确接续边界。当前任务进行到哪一步、物品是否已经装载、附近设备是否可用，以及充电站是否可达，都会影响安排。任务分配与物品转移应分别核对，确保系统状态与实际承载位置一致，再组织设备返回补能。

充电站接近、对齐与电气连接

自主充电将导航接近转化为电气连接。机器人先寻找充电桩、进入对接区域，再通过移动底座的姿态调整让接口对齐。站点位置、接近路线、周围净空与接口结构共同决定这一过程能否重复完成，因此充电部署也属于整条服务路线的设计范围。

递送平台的参考充满电时间为 3 小时，具体时间随电池配置与充电条件变化。补能计划还需要考虑任务负载、充电点可用性和服务排班：充电时长与可用工作时段一起决定设备如何进入下一轮任务。

充电接口防护与维护条件

自动伸缩保护罩通过开合控制充电接口的露出与遮蔽，为接触位置提供物理防护。电气防护还需要处理带电部位接近和漏电等风险。机械保护与电气保护分别承担不同职责，应结合人员接近、对接及退出过程共同验证。

防腐设计关注清洁、消毒过程中可能接触的液体和气体。充电设备因此需要同时面对正常连接过程与日常维护环境；部署时应将清洁方式与设备适用的防护要求对应起来。

分布式计算与底层操作系统

YOGO 通过自研的硬件通信操作系统与分布式算法，连接多个微处理器，承担多终端混合计算。计算工作分布在不同硬件中，以降低对单一高性能处理器的依赖。

分布式计算的难点在于跨单元协作。不同处理结果需要具有可对应的设备身份、时间和状态，接收方才能判断它们是否适用于同一动作。处理分工、通信和状态管理共同构成计算平台，决定局部响应如何与整机任务衔接。

微内核与不同处理器的适配

微内核将基础内核机制与其他系统服务分开，组件通过通信协作。YOGO 的底层设计面向不同微处理器，让计算职责与适合的硬件对应。架构设计还需要明确服务之间的依赖和故障影响范围，使处理单元的适配与整机协作能够分别验证。

恢复、备份与运行环境

恢复与备份围绕具体故障设计。某个模块失去响应时，需要识别受影响的数据与动作，再决定哪些任务可以保留、哪些动作应停止，以及恢复后从什么状态继续。组件级故障处理由此与整机任务接续建立清楚的关系。

环境适应同样是整机验证问题。高温等条件会与处理负载、供电和内部设备布置相互影响；适用范围需要依据具体配置的验证结果确定。评估计算平台时，应同时核对环境温度、持续负载及部署条件，而非只考察单个处理器的参数。

从本体计算延伸到楼宇系统

楼宇尺度的系统进一步把本体计算与外部设备连接。分布式操作系统集群协调多任务与多硬件操作，数据驱动的认知系统处理相关信息，Mesh 网络支持机器人群组共享状态。本体的局部感知与执行由此能够接续电梯、闸机和应用软件中的任务，而各层仍需保持明确的输入输出与责任边界。