丶方可1. 陈同庆：从清华博士到“空间感知之王”的技术人生
2008年的清华园实验室里，一个博士生正对着三维点云数据皱眉沉思。那时的陈同庆或许没想到，自己会成为中国空间感知技术领域的关键人物。如今回溯这位技术专家的成长轨迹，我们能清晰看到一条从学术研究到产业落地的完整路径。
空间感知技术是让机器理解三维世界的核心技术。简单来说，就是让计算机像人类一样"看懂"周围环境——知道物体在哪里、是什么、怎么运动。这项技术在自动驾驶、机器人等领域具有决定性作用。陈同庆的特别之处在于，他不仅精通算法原理，更擅长将技术转化为实际产品。
提示：空间感知技术的核心挑战在于实时性和准确性。人类驾驶员可以在0.1秒内判断前方障碍物，机器要实现同等水平的感知能力，需要处理海量传感器数据并做出精确判断。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 华为时期的三大技术突破
2015年加入华为后，陈同庆面临的是一个几乎空白的领域。当时国内自动驾驶的空间感知技术尚在起步阶段，他带领团队从零开始构建技术体系，实现了三个关键突破：
2.1 多传感器融合算法
华为ADS系统采用了摄像头、激光雷达、毫米波雷达的组合方案。这三种传感器各有优劣：
| 传感器类型 | 优势 | 劣势 | 适用场景 |
|---|---|---|---|
| 摄像头 | 高分辨率、色彩信息 | 受光照影响大 | 物体识别、车道线检测 |
| 激光雷达 | 精确三维信息 | 成本高、雨雪天性能下降 | 障碍物定位、三维建模 |
| 毫米波雷达 | 全天候工作、测速准 | 分辨率低 | 运动物体跟踪 |
陈同庆团队开发的融合算法能实时对齐不同传感器的数据，取长补短。比如在逆光情况下，摄像头可能失效，这时就主要依赖雷达数据；而在识别交通标志时，则主要依靠摄像头。
2.2 动态物体跟踪技术
让汽车不仅看到静态环境，还要预测周围车辆、行人的运动轨迹。这项技术的难点在于：
- 实时性要求：必须在100毫秒内完成检测-跟踪-预测全流程
- 遮挡处理：当目标被其他物体遮挡时如何保持跟踪
- 意图判断：区分行人是在等红灯还是准备横穿马路
团队采用了一种改进的Kalman滤波算法，结合深度学习模型，将跟踪准确率提升到99.2%，远超行业平均水平。
2.3 高精度地图匹配
华为的方案不依赖高精地图，而是通过实时感知构建局部地图。这带来了两个优势：
- 降低了对基础设施的依赖
- 能适应道路临时变化（如施工区域）
陈同庆设计了一种分层地图表示方法：
- 底层：几何特征（车道线、路沿等）
- 中层：语义信息（交通标志、信号灯等）
- 高层：交通规则和行为预测
这套系统最终应用在极狐阿尔法S等车型上，实现了城市道路的自动驾驶功能。
3. 从自动驾驶到具身智能的技术迁移
2025年创立它石智航后，陈同庆面临新的挑战：如何将空间感知技术应用到机器人领域。虽然底层原理相通，但机器人操作对感知提出了更高要求：
3.1 亚毫米级精度需求
自动驾驶的感知精度通常在厘米级，而工业机器人需要达到亚毫米级。以刺绣机器人为例：
- 针尖定位精度：0.1mm
- 布料形变补偿：实时检测布料张力变化
- 多针协同：多机械臂的时空同步
团队开发了基于结构光的实时三维重建系统，将深度图像刷新率提升到60Hz，同时保持0.05mm的重复定位精度。
3.2 柔性物体交互
不同于刚性的汽车部件，机器人常需要处理线缆、布料等柔性物体。陈同庆团队创新性地采用了：
- 力-视觉融合感知：结合视觉信息和力矩传感器数据
- 材质建模：建立不同材料的物理特性数据库
- 自适应控制：根据感知反馈实时调整抓取力度
这套系统使得机器人能够完成105次/小时的线束装配，创造了吉尼斯世界纪录。
3.3 Human-Centric数据采集
它石智航的核心创新是让人成为数据采集的主体。具体实现方式：
- 动作捕捉套装：记录人类操作时的关节运动
- 眼动追踪：分析操作者的注意力分布
- 力反馈手套：测量抓取力度和方式
这些数据用于训练具身大模型，使机器人能模仿人类的操作"手感"。
4. 空间感知技术的五大发展趋势
基于陈同庆的技术路线，我们可以总结出空间感知领域的未来方向：
4.1 多模态融合深化
未来的系统将整合更多感知模态：
- 红外热成像：检测物体温度
- 超声波：近距离精确测距
- 触觉传感器：表面材质识别
4.2 语义理解增强
从几何感知升级到语义理解：
- 不仅知道"那里有个物体"
- 还要知道"那是门，可以推开"
- 甚至理解"门可能朝外开，需要注意"
4.3 边缘计算普及
为满足实时性要求，感知算法将更多部署在边缘设备。这带来两个技术挑战：
- 模型轻量化：在保持精度的同时减小计算量
- 功耗优化：特别是对移动机器人至关重要
4.4 仿真与真实数据结合
通过仿真引擎生成海量训练数据，再结合少量真实数据微调。它石智航开发了自己的物理仿真平台，支持：
- 各种材质模拟
- 光照条件变化
- 传感器噪声建模
4.5 自主进化能力
系统能够从运行数据中持续学习：
- 自动标注新场景
- 发现潜在问题模式
- 优化感知参数
5. 给技术从业者的三点建议
在与陈同庆团队交流过程中，我总结了这些实操经验：
5.1 重视基础理论研究
很多工程问题最终需要理论突破。比如：
- 点云配准算法依赖数学优化理论
- 传感器标定需要扎实的几何学基础
- 时序预测基于随机过程理论
5.2 建立完整的评估体系
好的感知系统需要多维度的评估：
- 定量指标：准确率、召回率、延迟等
- 定性测试：极端场景下的表现
- 用户体验：操作是否自然流畅
5.3 关注数据闭环建设
从数据采集到模型迭代的完整流程：
- 设计科学的数据采集方案
- 建立高效的数据标注管道
- 实现自动化模型训练和部署
- 收集运行数据反馈优化
在它石智航，陈同庆特别强调数据质量的重要性。他们开发了智能数据清洗工具，能自动检测标注错误和数据偏差。