创新提报方案 · 立项构想
桌面AI陪伴机器人
一台固定在办公桌上的机器人：镜头跟着人转，电脑做它的大脑，大模型做它的性格。定位为办公陪伴与桌面工作状态守护。
背景与痛点
BACKGROUND大模型的「大脑」已经足够聪明，但在办公桌上，它还没有身体。今天的 AI 停留在屏幕里的对话框：看不见使用者，感知不到工作状态，也无法主动开口。三个具体痛点：
久坐与疲劳无人提醒
长时间久坐是办公室的常态。手环靠震动、软件靠弹窗，都容易被忽略——缺少一个「看得见你」的提醒者。
工作状态没有记录
一天何时专注、何时被打断，事后全凭感觉。没有客观视角的记录，自我管理就无从谈起。
AI 交互缺少物理入口
每次用 AI 都要切窗口、打字。桌面上缺一个随叫随应、会转头看你的实体入口——这正是「具身化」的空白。
与公司业务的契合：SKG 深耕个人健康场景，办公健康守护（久坐提醒、状态管理）是主业能力的自然延伸。
产品方案
SOLUTION一台固定在桌面的 AI 机器人。不做移动能力——它的场景就是使用者坐在工位上的八小时，固定视角反而是优势：可以持续观察、随时响应、全天记录。四个典型使用场景：
09:12 到岗
主动迎接
识别使用者坐下，转头致意，开始记录当天工作时间线。
11:47 久坐
健康提醒
连续静坐超过设定时长，语音提醒起身活动。久坐、离开、返回均可感知。
15:30 口述
语音助理
「帮我记住这个想法。」随口一句即可记录、查询、执行指令，不打断手头工作。
18:45 下班
状态日报
自动生成当日专注时段与打断次数小结——只有全天在场的固定视角才能给出。
核心功能
- 视线跟随——镜头自动转向使用者，建立「它在看着我」的在场感
- 状态感知——在岗 / 离开 / 久坐 / 专注的持续识别
- 语音交互——唤醒对话、口述记录、指令执行
- 工作日报——每日专注与打断的客观小结
创新点
INNOVATION形态创新：给大模型一个会转头的身体
把 AI 从屏幕里的对话框，变成桌面上有视线、有反应的实体。「它看着我」带来的陪伴感与被监督感，是纯软件产品无法提供的体验。
路径创新：现成硬件当身体，电脑当大脑
不自研硬件起步：云台相机的「自动跟随」是设备出厂能力，算力与大模型全部复用使用者的电脑。第一阶段零硬件开发、零算力采购，把资源集中在真正的差异点——电脑侧的感知与交互软件。
数据创新：固定视角的全天工作状态记录
可穿戴设备记录身体，它记录「工作中的你」：专注时段、打断频次、久坐时长。这类数据只有桌面固定视角能稳定产出，是自我管理与健康守护的新数据源。
应用价值
VALUE内部落地：员工健康与效率工具
首个落地场景就在公司内部：久坐提醒、专注管理、工作日报，即装即用。demo 完成后可在办公区小范围试点，用真实使用数据检验产品假设。
技术储备：AI 具身化的先行探索
「大模型 + 物理载体」是行业公认的下一步。本项目以极低成本跑通视觉感知、语音交互、动作控制的完整链路，为公司积累具身智能的工程经验，并可沉淀交互方式相关的专利申请点。
品类延伸：健康陪伴硬件的新可能
公司深耕个人健康硬件，拥有成熟的供应链与渠道。桌面健康陪伴机器人一旦跑通体验，具备从内部工具走向消费级新品类的想象空间。
技术可行性
FEASIBILITY方案成立的关键是「镜头怎么跟着人转」。经逐项核实：该能力现成可用——Osmo Pocket 3 连接电脑作为摄像头时，设备自带的智能跟随照常工作（官方 FAQ 确认），电脑同时获得视频流用于分析。第一阶段架构如下：
| 技术路线 | 核实结论（2026-09） | 判定 |
|---|---|---|
| A · 设备自带跟随 | Pocket 3 webcam 模式下智能跟随照常工作（官方 FAQ） | 已证实 |
| B · 官方 SDK 程控 | DJI RS SDK 开放协议（RS 3 Pro / RS 4 / RS 5 系列），有开源实现与 ArduPilot 实战案例 | 已证实 |
| C · 蓝牙逆向 | 社区已逆向协议，但控制指令实测被设备忽略 | 仅作探索 |
| D · 自研舵机云台 | 开源桌面机器人生态成熟，外壳 CAD / 原理图 / 固件均开源 | 阶段三采用 |
阶段一形态：云台相机自动跟随（AI 生成概念演示）
电脑侧软件全部有成熟开源选型：视觉感知 MediaPipe / OpenCV，语音识别 Whisper / SenseVoice，大模型走 API 或 Ollama 本地部署——清单与出处见第八章。
实施计划
ROADMAP三阶段推进，风险后置：最不确定的「程控多轴」放在第二阶段，第一阶段用设备自带能力先把完整体验跑通。
阶段一 · MVP
跑通完整体验
- Osmo Pocket 3 + 三脚架 + 麦克风音箱（可先借用）
- 开发电脑侧感知与交互软件
- 交付物：可演示的完整闭环 demo
投入：千元级 · 预估 2–4 周
阶段二 · 程控多轴
拿下动作控制权
- 换用开放 SDK 的 RS 系列稳定器（协议文档与开源实现已备）
- 实现点头 / 摇头 / 转向等主动动作
- 交付物：动作与表达系统
投入：千元级 · 预估 4–6 周
阶段三 · 产品化
自研本体
- ESP32 + 双轴舵机 + 摄像头 + 表情小屏 + 3D 打印外壳
- 开源生态参考设计已完整取回本地（外壳 CAD / 原理图 / 固件）
- 交付物：产品形态原型机
物料：百元级 · 预估 6–8 周
风险与对策
RISK程控云台不达预期
阶段二依赖 RS SDK 协议。对策：官方协议文档与开源实现已取回验证过存在性；即使受阻，阶段一体验不受影响，可直接转阶段三自研舵机方案。
「被注视」引发压迫感
持续观察可能让使用者不适。对策：产品定位为「自我监控」——数据仅存本机、仅对使用者本人呈现；提供一键休眠与镜头物理归位。
影像数据安全
涉及摄像头长时在场。对策：视频流只在本机实时分析、不留存原始影像，仅保留状态事件（在岗/离开/久坐），从架构上规避隐私风险。
设备投入无效
若验证不通过，已购设备闲置。对策：阶段一核心设备先借用、验证通过再采购；三阶段投入均为千元 / 百元量级，逐阶段验证、逐阶段投入。
依据与开源生态
REFERENCES全部关键结论均有官方或开源出处（链接逐一核实）；所列开源资产已完整取回本地留存，不受外链失效影响。
- DJI Osmo Pocket 3 官方 FAQ —— webcam 模式与智能跟随能力
- DJI RS SDK 官方页 —— 云台程控协议文档（v2.5，含 CRC 参考代码）
- DJIR_SDK —— RS SDK 协议开源 C++ 实现
- ArduPilot 云台驱动文档 —— RS 协议第三方实战接入案例
- Stack-chan（社区版） —— 开源桌面机器人：外壳 CAD、原理图、固件
- StackChan（M5Stack 官方版） —— 已量产的开源桌面机器人套件
- MediaPipe · OpenCV —— 人脸 / 姿态 / 状态视觉感知
- Whisper · SenseVoice · sherpa-onnx —— 离线语音识别
- Ollama —— 大模型本地部署（亦可接入 API）
- lib-osmo-ble · om-research · node-osmo —— 蓝牙协议社区研究（探索项）
附件下载
APPENDIX点击下载到本地。示意图为 SVG 矢量原文件，可无损放大排入任何文档；调研附录为 PDF。