- 博客(48)
- 收藏
- 关注
RSS订阅
原创 机器人怎么隔空进化-OTA升级技术拆解
没有 OTA，训练好的新模型就送不到机器人上，数据闭环直接断掉。有了 OTA，整个飞轮才能真正转起来：影子模式收数据 → 训练新模型 → 验证 → OTA 灰度推送 → 监控 → 再收数据。它甚至改变了商业模式：🔹 从"卖硬件"到"卖服务"——客户愿意为"持续进化"付费🔹 从"项目制"到"产品制"——标准产品 + OTA 适配更多场景🔹 从"一次性交付"到"长期运营"——交付只是开始一句话收尾：OTA 让机器人从"买回来就这样"变成"越用越好"。
2026-10-09 10:43:55
203
原创 机器人是怎么试错学会走路的-强化学习实战拆解
传统控制是人把规则写死，强化学习是让机器人自己试出来。人形机器人怎么学会走路、四足机器人怎么学会越障、灵巧手怎么学会拧瓶盖？这些动作太复杂，人工设计控制器几乎不可能。。
2026-09-21 13:21:18
97
原创 机器人的方向感从哪来-定位传感器一次讲透
机器人要导航、要避障、要执行任务，第一步得先知道自己在哪、朝哪个方向、走了多远。。它们一个像"内耳"，一个像"脚感"，各有绝活，也各有致命伤。单独用谁都撑不住，只有融合起来，才能又准又稳。
2026-09-14 08:59:21
1027
原创 机器人算法是怎么悄悄变强的-影子模式与数据闭环
传统软件"部署即终点"，机器人算法恰恰相反——部署才是起点。因为真实环境比测试环境复杂太多，训练数据永远覆盖不了所有场景，环境还在不断变化。算法上线后得持续收集真实数据、发现问题、再训练、再部署，这个循环转起来，算法才越用越强。——摔一下、撞一下，可能就是硬件损坏甚至伤人。怎么破？答案是。
2026-09-13 09:29:08
352
原创 机器人调度通讯UDP还是MQTT-选型踩坑实录
🔹 别为"快"用 UDP，控制场景可靠性第一🔹 遥测和任务一定要分通道🔹 MQTT 的 QoS、遗嘱消息、离线消息是真的香，能省掉大量造轮子的活🔹 心跳、重连、幂等、回执，一个都不能少，而且一开始就要做🔹 关键指标（连接数、延迟、重连次数、丢包率）要监控，别等客户投诉才知道出问题通讯架构是调度平台的"血管"，血管不通，再聪明的大脑也指挥不了身体。
2026-09-12 14:36:29
831
原创 具身机器人OpenAPI二次开发这5条对接文档必须撕开
对接文档这件事，不只是单纯的文字整理，也是产品能力的一环。合作方评估技术团队是否靠谱，对接文档就是最直观的参考。文档逻辑清晰，会让人觉得团队专业；文档含糊不清，很容易让人怀疑团队对自身系统的理解程度。现在我们给新同事做技术培训，第一课不是上手写代码，而是学习如何编写对接文档。对接文档是外部开发者能直接接触到的产品说明书，也是技术能力对外的直观体现。对接文档不只是单纯的技术文本输出，更是站在使用者视角的产品能力输出。
2026-09-12 10:28:49
222
原创 具身机器人远程关机别再一点就立即断电
高危操作的设计，最怕的不是做错，是事后才补。补的成本远高于一开始做对的成本。高危指令的事先设计，永远比事后补救便宜。事后补的每一个补丁，都在告诉客户"你们团队踩过这个坑"——客户对平台的信任会跟着打折扣。安全设计不是"加几个开关"，是"把高危操作从默认路径里拎出来"。关于作者：越微智能（Yuewell）专注具身智能与工业 AI 视觉落地，基于自研 VLA 多模态大模型，提供全品牌机器人二次开发（适配宇树/优必选/智元/傅利叶）与工业级视觉算法定制，支持从算法、硬件到产线实机部署的全栈交付。
2026-09-11 13:32:09
24
原创 具身机器人多品牌接入别再把核心写死了
接入多品牌这件事，表面上是个 SDK 对接问题，本质是个架构边界问题。边界一旦画清，后面接二十个品牌也不慌；边界不清，每接一个都在给自己挖坑。这是我们开发综合调度平台学到的第一课：先有抽象，再接产品。关于作者：越微智能（Yuewell）专注具身智能与工业 AI 视觉落地，基于自研 VLA 多模态大模型，提供全品牌机器人二次开发（适配宇树/优必选/智元/傅利叶）与工业级视觉算法定制，支持从算法、硬件到产线实机部署的全栈交付。
2026-09-11 09:51:35
531
原创 机器人任务状态机为什么扛不住现场抖动
状态机这件事，第一版往往是最简单的，但也是最经不起现场考验的。客户不会按文档里的"理想流程"用系统，他们会按现场实际场景用。状态机设计得不够细，所有异常都要靠人肉兜底——这事儿无法长期可持续。我们现在评估一个调度平台是否"成熟"，第一眼看的就是状态机。状态机糙的，其他地方再漂亮也不靠谱。
2026-09-10 11:30:42
367
原创 机器人协作平台冷启动报表怎么让客户第一天不失望
数据冷启动这件事，最容易被研发低估、被客户高估。研发觉得"数据不够本来就该等"，客户觉得"我付了钱就该看到数字"。我们学到的：与其争论要不要等，不如主动想清楚怎么降级。降级方案不是为了"糊弄"，是为了让系统永远有可用答案。这个思路后来被我们沿用到很多报表场景：能精确就精确，不能精确就给客户一个可信的近似值，关键是保持透明。
2026-09-10 10:06:33
473
原创 具身机器人一多服务器就崩-告别轮询上事件驱动
任务的一生就这几个状态，单向流转、不能回退：🔹待执行→执行中→步骤完成→成功🔹 任何阶段都可能 →异常终止几条设计原则，都很关键：🔹状态单向流转——执行中不能退回待执行，成功不能退回执行中。真要重新跑就新建任务，别回退状态🔹终态只有两个——成功、失败（异常终止）。不同失败原因用一个"终止原因"字段记录，别给每个原因都设状态🔹每次状态转换都触发事件——这是事件驱动的地基，没事件别人就不知道状态变了🔹转换要有明确触发条件——什么情况能转、什么情况不能转，写清楚，才不会"莫名其妙就变状态"
2026-09-09 20:35:05
357
原创 机器人调度平台部署怎么才不每次502到半夜
部署这件事，最容易踩的坑不是技术问题，是流程问题。流程没跑通，每次部署都是赌运气。我们后来给客户做交付培训，第一课就是"部署清单 + 一键诊断"。客户工程师学会这两件事，能解决 80% 的部署问题。剩下 20% 是网络环境本身的坑，那就只能现场排查了。关于作者：越微智能（Yuewell）专注具身智能与工业 AI 视觉落地，基于自研 VLA 多模态大模型，提供全品牌机器人二次开发（适配宇树/优必选/智元/傅利叶）与工业级视觉算法定制，支持从算法、硬件到产线实机部署的全栈交付。
2026-09-09 10:42:35
264
原创 一套任务模型适配所有品牌机器人到底怎么设计
🔹 别用某个品牌的格式做标准，一定定义平台自己的、品牌无关的格式🔹 别过度设计，"超级格式"什么都难用；满足八成常见场景即可🔹 扁平数组 + 命令参数分离，是实用之选🔹 参数名带单位、命令字标准化、ID 可读，这些"小事"决定了平台的可维护性一句话收尾：任务模型本质上是"平台和机器人之间、团队之间的沟通语言"。好的语言让协作顺畅、bug 减少；差的语言让系统充满"方言"和"歧义"，维护成本指数级增长。
2026-09-08 13:24:08
449
原创 机器人栽跟头往往在那些没想到的场景-长尾场景拆解
先理解"长尾分布"：少数高频事件占了大部分，大量低频事件加起来也占了相当比例。用生活例子感受一下：🔹 最常用的几百个单词，占了日常用语的八成，但剩下几十万个低频单词加起来，也占了两成🔹 少数爆款商品占大头，大量小众商品加起来也是可观的销售额（这就是长尾效应）机器人场景也一样：平地走路、规则抓取、固定路径这些"头部场景"占八成到九成，训练数据也主要覆盖这些；而透明物体、反光表面、柔性物体、意外障碍这些"长尾场景"，单个出现频率不到百分之一，但种类无穷多，加起来占了一两成——训练数据里几乎没有它们。
2026-09-08 10:14:15
309
原创 新增一个机器人品牌只写一个驱动就能搞定-南向插件化
插件化不仅是个技术方案，更是组织协作方式：核心团队维护稳定的核心系统和标准接口，接入团队并行开发各品牌驱动插件。平台能力靠生态不断扩展，而不是核心团队无限膨胀——这就是"小核心、大生态"。关于作者：越微智能（Yuewell）专注具身智能与工业 AI 视觉落地，基于自研 VLA 多模态大模型，提供全品牌机器人二次开发（适配宇树/优必选/智元/傅利叶）与工业级视觉算法定制，支持从算法、硬件到产线实机部署的全栈交付。
2026-09-07 10:59:08
790
原创 RK3588 别再用一个JSON走天下了-边缘AI配置体系这么搭
很多做边缘 AI 设备的团队，把精力全放在算法和性能上，配置体系却是一个 config.json 塞到底。开发阶段没问题，一到量产和运维阶段，问题全来了：🔹 改一个参数要翻几百行，运维经常改错地方🔹 不同客户配置差异大，每次部署手动改一堆，容易漏🔹 配置格式一改，旧设备配置加载不了，升级后启动失败🔹 改了配置忘了重启，配置不生效，还以为程序有 bug🔹 想批量改上百台设备的某个配置，只能一台台 SSH 上去改。
2026-09-07 07:55:53
495
原创 demo能跑不等于能上线-机器人调度平台的安全审计与运维
从 demo 到生产级平台，差的不是"更多功能"，而是"更扎实的基础"：通讯要可靠、任务要标准、状态要可追踪、品牌要可插拔、安全要到位、审计要完整、运维要体系化。这些基础打牢了，平台才撑得起成百上千台机器人的稳定运行。关于作者：越微智能（Yuewell）专注具身智能与工业 AI 视觉落地，基于自研 VLA 多模态大模型，提供全品牌机器人二次开发（适配宇树/优必选/智元/傅利叶）与工业级视觉算法定制，支持从算法、硬件到产线实机部署的全栈交付。
2026-09-06 13:39:49
334
原创 机器人调度平台边界别再什么都想管了
调度平台这种系统，最容易做错的是"什么都管"，最值得做对的是"只管自己。边界不是限制，是对客户、对自己、对合作伙伴的承诺。客户知道边界在哪，他们就能放心地依赖你；合作伙伴知道边界在哪，他们就能放心地对接你。我们后来评估一个调度平台是否"成熟"，第一眼看的是边界是否清晰。边界清晰的平台才能长大；边界不清的平台，再多功能也是一个松散的耦合体。技术决定能不能做，边界决定能不能做大。
2026-09-06 08:25:11
438
原创 机器人调度系统鉴权读写Token别再共用
鉴权这件事，最容易踩的坑不是"做不做"，是"做的尺度"。过度设计会拖累所有调用方，设计不足会埋雷。我们后来给客户的建议也很简单：写 Token 当作"系统级凭据"对待，读 Token 当作"展示级凭据"对待，两种凭据的运维节奏完全不同。关于作者：越微智能（Yuewell）专注具身智能与工业 AI 视觉落地，基于自研 VLA 多模态大模型，提供全品牌机器人二次开发（适配宇树/优必选/智元/傅利叶）与工业级视觉算法定制，支持从算法、硬件到产线实机部署的全栈交付。
2026-09-05 10:21:45
174
原创 机器人调度平台任务下发别再用硬编码JSON
任务下发这件事，表面上是个"传字符串"的小问题，本质上是个产品灵活性的问题。灵活性的关键，不在能不能传很多东西，而在改一个东西要不要动一堆东西。我们现在接客户定制，最快一两天就能接一套新动作——这件事靠的不是研发加班，是早期把结构想清楚了。关于作者：越微智能（Yuewell）专注具身智能与工业 AI 视觉落地，基于自研 VLA 多模态大模型，提供全品牌机器人二次开发（适配宇树/优必选/智元/傅利叶）与工业级视觉算法定制，支持从算法、硬件到产线实机部署的全栈交付。
2026-09-05 08:01:26
405
原创 机器人调度通讯怎么设计才不会被网络抖动瘫痪
通讯架构这件事，最容易犯的错是"选一个协议当万能解真正稳的系统，靠的不是某个神奇的协议，是每种消息走最合适的通道。我们给客户讲解这套架构的时候，喜欢用一个比喻：实时类像"打电话"，任务类像"寄快递"。你不会用电话寄一份重要合同，也不会用快递打一通紧急会议。关于作者：越微智能（Yuewell）专注具身智能与工业 AI 视觉落地，基于自研 VLA 多模态大模型，提供全品牌机器人二次开发（适配宇树/优必选/智元/傅利叶）与工业级视觉算法定制，支持从算法、硬件到产线实机部署的全栈交付。
2026-09-04 12:33:08
420
原创 RK3588设备升级为什么总变砖-边缘AI远程升级踩坑实录
如何在不可靠的网络里，可靠地更新远程设备的软件，且失败时不变砖？没有银弹，靠的是完整的流程、完善的容错、充分的测试。但把每一步做扎实，远程升级就能从"最容易出事故的操作"变成"最日常的运维操作"。关于作者：越微智能（Yuewell）专注具身智能与工业 AI 视觉落地，基于自研 VLA 多模态大模型，提供全品牌机器人二次开发（适配宇树/优必选/智元/傅利叶）与工业级视觉算法定制，支持从算法、硬件到产线实机部署的全栈交付。
2026-09-04 08:29:50
571
原创 RK3588 智能边缘盒子-掉线事故复盘
<think>我们根据用户提供的内容，需要生成一篇不超过150字的摘要。内容是对一次边缘设备掉线事故的完整复盘，可以从高中挑重点：事故现象（间歇性掉线持续8小时）、初步排查、关键日志发现OOM、内存泄漏根因（RTSP重连未释放）、以及维护锁误触发等二次问题，最后根因修复。需要控制在150字以内，包含关键词：OOM、内存泄漏、RTSP、维护锁、systemd等。语言精炼，概括。 从内容中提取核心：故障现象：间歇掉线；根因是RTSP频繁重连导致内存泄漏，OOM杀进程；另有维护锁误触发掩盖问题；解决通过修复重连释
2026-09-03 14:13:07
347
原创 RK3588 边缘 AI视觉算法推理的帧率之谜?
边缘 AI 推理的帧率问题，看似是一个简单的"配置多少 fps"的参数问题，实则涉及到码流特性、推理性能、系统资源、进程间通信、帧生命周期管理等一整套工程机制。越微智能在 RK3588 边缘 AI 视觉设备的开发中，把这些踩过的坑沉淀成了 Yuewell-FramePipe 帧调度管线，并集成到了我们的工业级边缘 AI 视觉基座（Yuewell Edge Framework）中。我们相信，帧率调度和帧传递的工程化能力，是边缘 AI 产品从"能跑"到"稳跑"的关键技术壁垒。
2026-09-03 08:05:55
569
原创 RK3588 AI 视觉报警为什么总误报 防误报引擎
五档之间的差异太小，用户选了之后感觉"没区别"档位太多反而增加了选择成本，用户不知道该选哪个三档（灵敏/标准/稳健）的认知成本最低，用户一看就懂最终我们确定了三档设计，并且把"标准"作为所有新任务的默认值。如果客户有特殊需求，可以通过"高级定制"模式手动调整底层参数，但 90% 的运维人员只需要在三档之间切换。“什么样的异常才是真正需要关注的异常？这个问题没有标准答案——不同场景、不同客户、不同时期的答案都不一样。把复杂的工程参数藏在底层，给用户一个简单、可预期、可操作的界面。
2026-09-02 11:53:11
396
原创 RK3588 边缘 AI 设备如何做到 7×24 不死机-Guardian守护
当没有人盯着设备的时候，它能不能自己好好活着？nohup 只能回答"能跑"，回答不了"崩了能自己恢复"“开机能自己起来”“维护时不被干扰”“启动前知道自己正不正常”。这些问题的答案，需要一套完整的守护规范来支撑。越微智能在 RK3588 边缘 AI 视觉设备的量产交付中，把这些踩过的坑沉淀成了 Yuewell-Guardian 生产守护规范，并集成到了我们的工业级边缘 AI 视觉基座（Yuewell Edge Framework）中。我们相信，
2026-09-02 08:20:02
639
1
原创 机器人/机器狗-为什么需要统一调度平台
1. 标准化是一切的基础通讯协议、任务格式、数据单位、时间戳，全部要先定义标准。没有标准化，多品牌统一管理就是空谈。我们踩的最大的坑就是一开始没做标准化，想着「先兼容再说」，结果越做越乱。2. 插件化是扩展的正确姿势核心逻辑要稳定，品牌相关的逻辑要封装在插件/适配器里。新增品牌就是新增插件，不改核心代码。这样平台才能规模化支持更多品牌。3. 事件驱动比轮询更适合机器人监控机器人状态变化是「事件驱动」的——大部分时间状态不变，变化时需要立即知道。轮询是「用资源换实时性」，事件驱动才是正确的架构。
2026-09-01 12:02:12
330
原创 RK3588 -视觉算法渐进式集成
AI 视觉平台的算法集成，看似是"把模型跑起来"的简单工作，实则是工程化能力的综合考验。从 1 个算法到 20 个算法，不是简单的数量叠加，而是架构、配置、调度、性能、质量的全面升级。越微智能在 RK3588 边缘 AI 视觉设备的算法集成实践中，经历了从"并行开发一团糟"到"串行封版稳如狗"的完整演进，把这些踩过的坑沉淀成了 Yuewell-AlgoFabric 算法集成框架。我们相信，算法工程化能力是 AI 视觉产品从"demo 能跑"到"多算法稳定交付"的核心竞争力。
2026-09-01 09:43:19
1094
原创 RK3588 开发实践-联调诊断指南
边缘 AI 系统的联调诊断，看似是"出了问题再排查"的被动工作，实则是工程化能力的综合体现。一套标准化的诊断流程、完善的日志体系、自动化的诊断工具，能把排障时间从小时级降到分钟级，把"靠专家经验"变成"靠标准流程"。越微智能在 RK3588 边缘 AI 视觉设备的量产交付中，把这些踩过的坑沉淀成了 Yuewell-Diag 联调诊断工具集，并集成到了我们的工业级边缘 AI 视觉基座（Yuewell Edge Framework）中。我们相信，
2026-08-31 13:28:44
313
原创 RK3588 边缘AI视觉-事件融合与证据链
ROI 是用户在画面上指定的一个或多个区域，只有目标出现在 ROI 内时，才会触发事件融合和告警。矩形：最简单，适合规则区域（如门口、通道）多边形：更灵活，适合不规则区域（如围墙边界、不规则场地）坐标用归一化值（0-1）表示，这样不管摄像头分辨率怎么变，ROI 的相对位置不变1. 单帧告警是 AI 视觉系统的「大忌」很多人做 AI 视觉，把模型跑起来、检测到目标就告警，觉得就完事了。但单帧告警的误报率极高，客户很快就会被海量误报淹没，最终放弃使用系统。
2026-08-31 08:31:43
551
原创 RK3588 边缘AI视觉03-同源多任务调度
1. 边缘视频分析，「拉流次数」是比「解码性能」更先遇到的瓶颈很多人一开始关注的是「RK3588 能解多少路」，但实际项目中，先遇到的瓶颈往往是「摄像头能支持多少路并发连接」和「网络带宽够不够」。同源复用把拉流次数降到最低，是比硬解码更优先的优化。2. 越微自研共享帧池 + 零拷贝，是同源复用的技术基础多个任务共享一路解码输出，核心是共享帧池的设计。帧池要做到只存最新帧、线程安全、零拷贝。引用计数管理 DMA-BUF fd 的生命周期，是保证不内存泄漏、不花屏的关键。
2026-08-30 14:34:50
341
原创 端侧 AI 算力避坑指南：具身智能车载/机载算力芯片与硬件选型实测
本文是「具身智能落地实战」系列的收官篇。序号主题核心内容01硬件全景拆解四大系统、传感器、执行器、计算平台02VLA 模型深度解析视觉-语言-动作大模型、架构、训练、推理03SLAM 技术全解定位与建图、激光/视觉 SLAM、多传感器融合04Sim-to-Real 全链路仿真、域随机化、迁移学习、真实微调05端到端学习 vs 分层架构两种范式对比、混合架构、工程实践06占据栅格网络3D 场景表示、NERF、3DGS、机器人应用07定位传感器全解。
2026-08-30 08:08:07
647
原创 RK3588 边缘AI视觉08-架构演进与未来方向
硬件加速解决了「算得快」的问题，但如果数据在模块之间拷贝来拷贝去，硬件加速的效果就会大打折扣。零拷贝（DMA-BUF fd 传递 + 越微自研环形缓冲区）让数据在硬件模块之间直接流动，CPU 不参与数据搬运，把硬件加速的性能真正释放出来。我们的做法：从 MPP 解码输出 → RGA 预处理 → NPU 推理，整条链路的数据都在 DMA-BUF 缓冲区里流动，零拷贝。这是延迟低、CPU 占用低的关键。
2026-08-29 17:23:18
459
原创 工业边缘 AI 设备怎么做到 “开箱即用“？冷部署与 OTA 远程升级实战OTA升级
1. 生产数据和编译制品分离，是部署架构的第一原则这是我们用客户暴怒换来的教训。配置、数据、日志是客户的资产，绝对不能在升级中丢失或覆盖。目录结构、升级脚本、代码层面都要做硬保护，确保生产数据万无一失。2. 冷部署和 OTA 升级是两回事，不要混用冷部署面向全新设备，包含初始配置；OTA 面向已有设备，不含配置。两者的包格式、应用方式、回滚机制都不同。要在文件名、manifest、UI 上做明确区分，避免运维人员用错。3. Watchdog 自动回滚是 OTA 升级的「安全带」
2026-08-29 09:04:18
324
原创 单块 RK3588 NPU 如何同时跑人员入侵、烟火检测、垃圾分类
1. 单实例推理是 NPU 利用率的最大敌人很多人做边缘 AI，把模型跑起来就完事了，不关注 NPU 利用率。实际上单实例推理的 NPU 利用率往往只有 30-40%，大量算力被浪费。多实例并发是提升 NPU 利用率最直接有效的方法——RK3588 三核 NPU，每个 Core 跑一个实例，利用率就能从 40% 提升到 80%+。2. 单模型多算法映射是被低估的优化手段很多人不知道，同一个检测模型可以同时支撑多个业务任务（人员入侵、违章停放等），只需要在后处理阶段按 class_id 分流。
2026-08-28 15:10:20
433
原创 RK3588架构 边缘AI视觉04-零拷贝跨进程通信
1. 嵌入式 Linux 上，DMA-BUF 是端到端零拷贝的关键普通的 shm/mmap 只能做到进程间零拷贝，但和硬件加速器（MPP、RGA、NPU）之间还是有拷贝。DMA-BUF 让硬件模块之间也能共享缓冲区，实现从解码到推理的端到端零拷贝。在 RK3588 这类带硬件加速器的 SoC 上，DMA-BUF 是最优解。2. 零拷贝的难点不是「传数据」，而是「生命周期管理」fd 传递本身不难，难的是缓冲区什么时候释放、怎么保证双端同步、怎么避免 race condition。
2026-08-28 08:10:21
727
原创 攻克 1% 致命边缘难题：具身智能 Corner Cases 长尾场景挖掘与应对
要理解长尾场景，先要理解「长尾分布」（Long Tail Distribution）。头部（Head）：少数事件发生的频率很高，占了大部分概率质量尾部（Tail）：大量事件各自发生的频率很低，但加起来也占了相当一部分概率质量用图来表示的话，概率分布曲线像一个拖着长长尾巴的形状，因此叫「长尾分布」。生活中的长尾分布例子：单词使用频率：最常用的 1000 个单词占了日常使用的 80%，但剩下的几十万个单词（长尾）加起来也占了 20%商品销售。
2026-08-27 11:30:44
479
原创 RK3588 视频硬解码与 2D 加速实战：MPP + RGA 零拷贝多路视频处理性能优化
1. 边缘 AI 视觉，一定要用硬件加速RK3588 这类边缘 SoC 的设计理念就是「专用硬件做专用事」——NPU 做推理、MPP 做编解码、RGA 做 2D 图像处理、VPU 做视频编码。放着这些硬件不用，全用 CPU 软处理，就是浪费芯片的能力，也做不了多路视频。做边缘 AI 视觉，第一步就是把硬件加速用起来。2. 硬解码不是「免费的午餐」，有兼容性和稳定性问题MPP 硬解码性能强，但对码流的要求比软解码严格。工业现场的摄像头品牌杂、固件乱，码流兼容性是必须面对的问题。
2026-08-27 08:07:39
972
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人