金明浩

研发 Leader / 数据负责人

具身智能创业公司，业务覆盖机器人数据采集、训练与后训练基础设施。

• 负责数据采集与生产、设备接入、训练 / 后训练等核心工程体系的技术方案与落地；
• 承担软件研发团队技术管理，并跨硬件、算法、产品、运营推进交付；
• 在早期团队资源有限的情况下保持核心系统 hands-on 开发。

代表项目

• 客户 Demo 交付｜从模糊目标到系统落地

  已交付

  客户没有需求文档，只有一句“证明你们真的具备数据闭环能力”。项目要在一个月内把这句话变成可现场运行、可演示的系统——从方案定义到现场部署交付，由我单人完成。

  • 方案与边界：将模糊目标拆解为 24–26 个功能点定义 MVP 边界，与 CTO 对齐；按“验证能力优先”做减法，以每周客户现场演示持续校准方向。
  • 系统建设：搭建 K3s 集群与训练 Pod 调度；机器人以 K3s Worker 接入成为推理节点；完成多视角实时采集与遥操（WebRTC 内网直连）、数据异步落盘 S3、DSL 检索与拖拽重组数据集；以“云控制 / 本地数据面”拆分适配不可控的客户网络拓扑。
  • 结果：一个月内完成开发并现场交付，真实机器人接入客户现场系统，跑通“任务部署 → 遥操 → 多视角采集 → 数据落盘 → 组织检索”全链路；合同 60 万元签约，成为公司首笔商业收入；架构方案成为后续 Research Box 的技术蓝本。

• Research Box 与机器人数据探索｜面向小型具身团队的研发平台

  设计原则存续

  面向 10 人以下具身研发团队，搭建可本地化部署的完整研发平台：覆盖设备接入、机器人对接、数据采集（遥操 / 录制 / 标注）、数据集与血缘、Pipeline、Training SDK、存储与 K3s 集群整条链路。我担任核心研发与整体技术方案负责人，除底层 Infra 与训练调度外的主体建设由我完成（4 人 / 3 个月 / 约 100 万投入），核心技术闭环完成度 90%+。

  • MVP 边界与抽象设计：按目标用户真实场景做主动简化（不做多供应商 / 配额 / 多级质检 / 结算），以“简化的代价在规模变化时是否可控”作为取舍标准——这条判断后来直接影响了采集系统与训练系统的抽象设计。
  • 视频与 ROS 信号解耦：机器人同时产生 ROS 信号与视频，两者数据量级相差近两个数量级；视频不进 ROS Bag，走独立编码落盘，再用 Parquet 时间索引在更高抽象层把两条时间轴重新关联——这套“数据按性质分流、高层重新关联”的思路后来演变为 Manifest 数据抽象层。
  • 边缘算力职责划分：机器人 Orin 只做实时必须的推理 / 采集 / 落盘，LiRobot 格式转换与重计算全部放云端——“边缘算力是硬约束、重计算搬云端”从这里的隐约判断，变成后续设备接入与训练系统的明确原则。
  • 结果与延续：机械臂与机器人真实接入，跑通“注册 → 唤醒 → 数据生产 → 标注 → 入库 → 训练”主路径；代码未被后续系统继承，但数据分流、边缘算力边界、MVP 边界、用户入口优先等设计原则进入此后每一个系统。

• 数据采集生产系统｜从一个采集功能到规模化生产体系

  已上线

  公司规模最大的生产系统。从“这个月要采到 100 小时”的 MVP 起步，长成平台、运营、供应商共用的生产管理体系，承载真实生产与结算，也是所有采集数据入库、进入下游的入口。我负责核心机制设计，接手 CTO 主导的重构初版（约两周从“演示可用”推到“生产可用”），并作为主要技术负责人持续演进。

  • 设备无关抽象与采集端：把面向机器人的采集模块改造成通用的“数据创建 / 任务领取 / 数据上传”接口，并完成 Web 前后端与 iOS 采集端的完整实现（登录、任务领取、录制、上传）；自研硬件未就绪时 iPhone 直接顶上，采集链路没有被设备绑死。
  • 供应商自治与角色体系：平台只管理供应商一层，供应商自行管理采集员 / 质检员与任务分配；平台管理员、平台质检员、供应商管理员、采集员、质检员多角色在同一套边界内协作，8–12 家供应商规模下没有变形。
  • 批次账单信任机制：把“生产事实 → 质量判定 → 结算事实”三层数据显式关联，做成平台与供应商共享的同一份批次视图（数据总量、逐条审核状态与原因、通过率、应结算金额）；“我采了 8 小时你只算 4 小时”式争议在机制层面消失，累计 9 万+ 条、约 5 万小时进入真实结算。
  • 自动质检流水线：在人工质检前加硬前置的五类自动检测——YOLO 手部 / 黑帧 / 静态 / YOLO 人脸（准确率有限，阈值保守、作为人工复核触发器）/ 过曝抖动；把现成模型工程化为可分发、可扩容、可观测的质检流水线，让规模化生产不再靠人堆。
  • Flyte + Ray 常驻计算模式：把 Workflow 从“按需创建”改造成常驻服务——预部署 Workflow、Kafka 触发、按类型分发、Ray 弹性伸缩；独立完成常驻改造、任务分发与服务化封装。上线后 Pod 生命周期类问题（镜像等待、启停开销、资源残留）不再出现；同一认知随后迁移为训练系统的“单 Pod 批量处理”模板。
  • 结果：峰值约 3000 采集小时/天（真实生产最大值，尚未触到系统瓶颈）；国内 + 马来西亚同一套系统按配置运行；系统已发展到约 20 个微服务，正在以 gRPC / HTTP 边界治理收敛迭代复杂度。

• 设备接入与数据基础设施｜从裸硬件到自描述的数据体系

  已上线

  自研双目设备到手时只能录视频、存内存卡，没有联网与上传能力。项目分两段：先把硬件接入生产系统，再借设备端编码瓶颈重构视频数据基础设施；我作为统一 Owner 负责协议、平台实现与跨端联调（4 人团队）。

  • 设备接入：用二维码把“设备发现 + 网络 / 身份 / 权限下发”合并为一个动作（绕开 iOS 对 Wi-Fi 扫描的严格限制）；服务端中转双端状态（约 1s），双向心跳判定设备真实所有者，数据生成时锁定录制身份。
  • 视频数据体系：设备端 H.264 30s 切片 → 2min Chunk 上传 → 云端 Remux 为 MP4 → Manifest 统一新旧数据；固定 GOP / Closed GOP 前置支持切片、局部脱敏与重编码，生产与交付格式分离。
  • 结果：25 台测试机 + 5–10 台样机运行约 1.5 个月（累计几千小时采集）；旧上传链路彻底停用，连续录制死机与上传恶化问题消失；历史数万小时旧数据通过 Manifest 在线兼容、零迁移；标定入库固化，数据实现自描述。

• 训练与后训练系统｜从跑通训练到看清模型

  核心已上线

  为 VLA 训练建设面向异构算力的训练基础设施，让训练成为平台可理解、可追踪的对象，并延伸出后训练评测闭环（单人 PoC 起步，约 2–2.5 个月到工程化版本，工程化阶段 4 人团队推进）。

  • 训练运行时：以 K3s + GPU 纳管为基础，运行时采用 Sidecar 优先、Standard Image 兜底、PID 1 支持特定场景——在控制训练生命周期的同时不绑架用户环境。
  • 可追溯训练：Training SDK 输出 Metrics / Artifact / Model；Job → Artifact → Model 携带代码版本、镜像、超参、数据集与指标，每个模型都能回答“我是怎么训练出来的”。
  • 后训练评测：接入 MLflow 与指标对比；真机评测以录制视频 + VLM 判定 Success / Failure 建立第一版基线。
  • 结果：2 名算法研究员的真实 VLA 训练全部走平台路径，累计约 30–50 次训练任务，没有因运行时限制绕开平台；“训练 → 模型 → 端侧推理”链路跑通。

• AI Native 能力建设｜从系统 MCP 化到研发范式重构

  已上线

  横穿最近一年后半段、贯穿多个系统的能力演进，两条线均由我主导（与 CTO 共同探索）：产品侧把系统能力暴露给用户已有的 AI，研发侧把 Git 从代码仓库变成研发工作台。

  • MCP + Skill 产品侧：拒绝在系统内重造 Chat UI，改为把采集与后训练系统核心能力 MCP 化——MCP 描述“系统能做什么”（创建项目、配置任务、分配供应商、认证登录、训练分析），Skill 描述“业务该怎么做”（必填字段、依赖关系、操作顺序、人工确认节点），登录也封装成工具，整条链路在 AI 对话内走完；首条业务链路约一周打通，运营真实使用约两周、每周 40–50 个项目，并基于反馈在 Skill 层加入人工确认节点。
  • Git 研发工作台：一手（Issue）→ AI 分析 / 施工 → PR → AI Review → 自动修改 → 人工 Checkpoint → Merge；我亲自搭建这套自动化基础设施（Issue 分析、PR 生成、Review 与修改闭环），并抽象进自己维护的开源工具；流程只保留“需求授权 / 澄清”与“最终验收”两个人工 Checkpoint，复杂度判断不交给 AI；设计与决策全程回写 Git，工程决策历史可追溯。
  • 扩展与落地：AI 角色从 Operator 扩展到 Analyst（训练任务状态、指标与质量分析）；该模式成为软件团队默认工作方式，公司各团队向软件团队提需求统一走 Git 一手。
  • 证据边界：MCP 线因人力未继续大规模铺开；研发模式无量化效率数据，可观察的变化是研发关注点从重复执行逐渐转向业务语义、方案判断与最终验收。