视觉与感知
从颜色阈值到四 USB 摄像头，再到 YOLOv8、边缘推理和 LiDAR， 让机器人同时理解球、对手、边界和自身位置。
4+N
多源感知链路
YOLO
目标检测与部署
Unity
仿真联调环境
LiDAR
场地坐标建系
System
从能跑，到能在比赛现场稳定工作。
机械与执行
结构围绕换电、维护、运球器、击球器、避震和传感器视野设计， 目标是在高强度对抗和临赛维护中保持可用。
策略软件
软件侧统一坐标系、底盘接口、传感器哨兵值和攻防状态机， 让现场题、追球、防守和射门逻辑可以被复用与验证。
仿真训练
Unity 场景提供真值、UDP 控制、相机流和多机器人联调， 用于策略回归测试、视觉链路验证和比赛流程演练。
Work
比赛、装机、调参和复盘，是同一个系统工程。
Posters
历年单页海报归档。
用来放每个赛季的一页式展示海报。后续新增海报时，把 PDF 或图片放进 assets/posters，再补一张卡片即可。
Season
技术路线按赛季推进，而不是停留在单点功能。
-
上海赛复盘
旧结构、电池仓、盘球机构和 OpenMV 单板瓶颈暴露，队伍开始拆分视觉与决策职责。
-
边缘视觉与四摄
MaixCam 验证、多进程优化、树莓派 5 四 USB 摄像头和 LiDAR 建系路线成形。
-
AI 视觉与服务化
YOLOv8 多目标检测、边缘推理、UDP/Socket 服务和可配置端口进入主线。
-
仿真与容错
Unity 仿真、自动化回归、自适应避震、策略代码修正和现场容错成为重点。
Stack
围绕实机闭环选择工具。
Xelerator 的工具链覆盖建模、视觉、部署和策略验证。每个模块都必须回答同一个问题： 它能不能让机器人在比赛场地里更稳定地完成动作。
YOLO / model deployment
3D modeling and iteration
Edge AI acceleration