发现 / 落地案例 / Jev Physical AI：仓储机器人事件分诊
Jev Physical AI：仓储机器人事件分诊
需自行部署终端针对模拟车队故障，判断是否转人工、分给哪个团队，以及紧急程度。
由 admin 提交 · 收录于 5天前
⚡ System1 在这里负责什么
每条事件同时提出三个问题：是否需要人工介入、应交给运营／维护／软件哪个团队，以及紧急程度。源码使用 noul、choice 和 score 返回结构化结果；不直接控制机器人。
介绍
面向仓库自主移动机器人事件的开源分诊实验。用 41 种中英文事件模板生成 300 条事件，通过 OpenRouter 调用 TypeSafe Jev，记录决策、延迟和费用，并与 CPU 上的 ModernBERT 分类器进行比较。 证据与边界：300 条事件来自 41 种模板，模型调用是真实 API 请求，但事件不是真实工厂故障。“10,000 台机器人”是成本推算规模；91.3% 是与模板团队标签的一致率。视频是结果可视化，不是工厂实拍；延迟图中 Jev 一次答三个问题、ModernBERT 只分类一次，任务量不同。 本次仅核验公开资料、代码和媒体，未复跑仿真或测试真实硬件。 原作者图片与演示（保留来源）：
资料来源： https://github.com/robokrunch/jev-physical-ai/blob/main/README.md https://github.com/robokrunch/jev-physical-ai/blob/main/code/demo-a.py https://github.com/robokrunch/jev-physical-ai/blob/main/REPRODUCE.md https://github.com/robokrunch/jev-physical-ai/blob/main/code/render_video.py
🧪 社区实测报告
0 份报告 · 0 份真实模型通过还没有人测试过，来做第一个吧。
💬 相关讨论
发帖 →还没有讨论。