识别中间层缺口
从机器狗难用的问题里看到 AI Router 的产品机会。
Embodied AI Router
WarPix DogOS
把机器狗晦涩的 C++ / ROS / UDP 控制链路，压缩成普通用户可以理解的自然语言操作层。
WarPix 是我对具身智能的第一次完整产品化尝试。它不是一个普通遥控器，而是一层 AI Router，让自然语言意图、No-Code 蓝图、手动摇杆和底层运动协议被组织在同一个 iOS 控制中枢里。
搭建 iOS 控制中枢
把自然语言主控、视频流、遥控台、蓝图和商店组织成同一个产品骨架。
协议层排错
从 ROS 方案转向更直接的 Python UDP 中间层，并处理字节对齐和状态机问题。
形成具身智能判断
AI 可以扩展控制半径，但必须被工程系统严肃约束。
origin
为什么不是再做一个遥控器
我真正感兴趣的不是让机器狗听懂一句话，而是让普通人跨过 ROS、C++、运动学和协议文档形成的知识墙。AI 如果只停留在聊天框里，它仍然只是知识入口；当它进入机器狗这种物理设备，问题就变成了如何让意图安全落地。
- 机器狗仍然很像实验室设备，普通用户很难理解底层控制逻辑。
- 自然语言可以降低入口，但不能直接替代工程控制。
- 因此中间层才是关键，AI Router 要把意图翻译成可验证、可兜底的动作流。
system
我把它拆成三层
第一层是用户意图，自然语言或蓝图节点描述想做什么。第二层是 Router，把意图拆成动作 JSON、模式切换和安全限制。第三层是硬件执行，负责 UDP 指令、心跳、视频流和失败兜底。
- AI 主控负责理解意图，但不直接碰底层肌肉。
- 双摇杆和 RTSP 视频流保留人在现场的控制感。
- 技能商店和蓝图系统让动作能力可以被复用和分发。
debug
最有价值的是失败现场
WarPix 让我第一次真切感受到，AI 写代码可以很快，但物理世界不会因为 Prompt 写得漂亮就配合你。手机摇杆数据看起来完美，机器狗却四腿锁死，这种时刻逼着我从产品经理切换成工程排查者。
- 不是盲目改 iOS，而是回到官方手册和底层协议逐项排查。
- 发现 struct.pack 拼出的字节包不被底层 C++ 接受后，重构为更小的 Wire Format。
- 引入移动模式 / 自主模式的挂挡逻辑，避免高频指令把系统打进 HTTP 409 拥堵。
judgment
这件事改变了我对具身智能的判断
我不再相信一个大模型端到端接管物理设备就是未来。真正可用的具身智能一定会有分层、有协议、有状态机、有看门狗。越靠近真实世界，越需要对 AI 的输出保持怀疑。
- AI 的价值是降低意图表达成本，而不是取消工程约束。
- 产品经理需要理解失败模式，否则无法设计安全边界。
- 具身智能会成为主线，但它不会以纯聊天机器人的形态落地。
visual.evidence
截图不是装饰，是项目证据。
phone.capturephone
phone.capturephone
phone.capturephone
debug.tracedebug
debug.tracedebug