模块化无人机背后的算法面试题：从HOVERAir VERSA看AI落地

我注意到一个有意思的细节，零零科技这款 HOVERAir VERSA 无人机，宣传里最吸引我的不是它能飞多高、拍多清，而是那个“模块化结构”——机身拆下来能当三轴云台相机用，装上螺旋桨又变回无人机。说实话，我第一反应是：这种设计对算法工程师意味着什么。

最近刷 LeetCode 刷到有点魔怔，看到什么新产品都想拆成状态机。VERS 这个“两用模式”本质上就是一个状态切换：mode = 0 是手持云台，mode = 1 是飞行器。但落到工程实现上，传感器融合、控制逻辑、AI 算法都得跟着状态走。这让我想起之前面过一家做机器人公司的题目，他们问“如何设计一个在手持和自主移动之间切换的感知系统”，当时我答得磕磕绊绊。现在看这个产品，倒有点恍然大悟了。

模块化设计：算法部署的状态机思维

从产品文档看，VERSA 的“小黑盒”螺旋桨是可拆卸的。这意味着计算单元（大概率是 SoC 和 NPU）需要同时支持两种工作模式：手持云台时的视觉跟踪，和飞行时的 SLAM 避障。这两种模式对算力、功耗、延迟的要求完全不同。

我猜一下他们的设计思路（纯属个人推测）：

// 伪代码：模块化状态管理
enum ModMode { HANDHELD, FLIGHT };

void switchMode(ModMode newMode) {
    if (newMode == HANDHELD) {
        // 关闭光流传感器，启用触摸屏交互
        // 加载轻量级 AI 构图模型（比如 2M params）
        // 降低 IMU 采样率，节省功耗
    } else if (newMode == FLIGHT) {
        // 开启全部传感器（IMU + 视觉 + 气压计）
        // 加载完整 VIO + 避障模型（可能 10M+ params）
        // 提升 NPU 时钟频率，确保实时性
    }
    // 切换传感器驱动，重新校准坐标系
    recalibrateSensors();
}

这个面试会问吗？我觉得会。很多公司喜欢问“如何设计一个多模态动态切换的推理管线”。关键点在于：

• 模型热加载 vs 冷启动：如果两个模式共享同一个 DLA 硬件，如何快速切换权重？
• 内存复用：手持模式下占用的中间特征图，在飞行模式下可能被释放，但需要避免碎片化
• 状态一致性：切换过程中，控制环路的输出不能突变，否则云台会抖

我刷 LeetCode 时习惯用“状态机 + 缓存”的思路解这类问题，但实际产品里要考虑的非功能性约束比算法题多得多。

AI 构图：从“刷题”到“刷脸”

官方说支持 AI 构图功能。这个我有点兴趣——毕竟我刷了 300 道 LeetCode，但面对“如何让机器自动拍出好看的照片”这种开放性问题，依然心虚。

所谓 AI 构图，本质是一个目标检测 + 美学评分 + 路径规划的联合问题。举个例子：无人机要拍一个人跑步，需要持续跟踪主体，同时调整镜头角度使人物位于画面黄金分割点。这背后是一个典型的“跟踪 + 规划”问题。

我最近面试被问到过“如何用强化学习做无人机自动跟拍”，当时只答了 DQN 框架，面试官追问“奖励函数怎么设计”，我卡住了。现在想想，VERSA 的 AI 构图可能用的是一个更工程化的方案：

# 简化的构图奖励函数
def reward_function(bbox, frame_width, frame_height):
    # 主体位置：希望靠近黄金分割点
    cx, cy = bbox_center(bbox)  
    ideal_x = frame_width * 0.382
    ideal_y = frame_height * 0.618
    position_penalty = (cx - ideal_x)**2 + (cy - ideal_y)**2
    
    # 主体尺寸：占画面 1/3 到 1/2 比较好
    area_ratio = bbox_area(bbox) / (frame_width * frame_height)
    size_penalty = abs(area_ratio - 0.3)  # 目标 30%
    
    # 平滑度：避免画面抖动
    vel_penalty = current_velocity_norm()  # 云台运动速度
    
    return - (position_penalty + size_penalty + vel_penalty)

这个奖励函数虽然简单，但实际部署时还要考虑推理延迟（必须在 30ms 内完成）、光照变化、遮挡等。我很好奇他们用了多少算力来做这个，可能也是一个 NPU 瓶颈问题。

3D Worlds 技术：SLAM 题目的实战版本

新闻里提到“3D Worlds”技术，

原文链接：零零科技预热 HOVERAir VERSA 无人机：模块化设计、可作为三轴云台相机使用 - IT之家