Why Atlas?

一个真实的问题

机器人已经广泛应用于餐厅、酒店、医院、仓库和工厂。

当机器人发生异常时，工程团队通常都会问同一个问题：

到底发生了什么？

然而，大多数团队面对的是大量运行时数据，而不是清晰的调查线索。

例如：

ROS Log
ROS Bag
Sensor Raw Data
Linux Kernel Log
Driver Log
Network Packet
CPU / Memory
Camera Images
LiDAR Point Clouds

这些数据往往达到数 GB 甚至数十 GB。

真正困难的不是数据不足，而是如何在有限时间内找到真正与事件相关的证据。

传统调查方式

大多数运行时问题仍然依赖人工排查：

收到客户反馈
        │
        ▼
收集日志
        │
        ▼
人工分析
        │
        ▼
反复沟通
        │
        ▼
定位问题

这种方式通常存在几个问题：

数据来源分散
不同工程师调查方法不同
调查时间长
历史经验难以复用
相同问题不断重复出现

调查结束后，知识往往停留在个人，而没有沉淀为组织资产。

Atlas 的解决方案

Atlas 并不是新的日志工具。

Atlas 建立了一套标准化的运行时调查流程。

Runtime Event
        │
        ▼
Atlas Agent
        │
        ▼
Evidence Pack
        │
        ▼
Historical RGA Recall
        │
        ▼
Investigation
        │
        ▼
Investigation Result (IR)
        │
        ▼
Lesson Learned (LL)
        │
        ▼
Knowledge Reuse

Atlas 将分散的数据组织成统一的调查证据，并将调查结果持续沉淀为组织能力。

Atlas 带来的改变

传统模式：

事故
    ↓
调查
    ↓
结束

Atlas 模式：

事故
    ↓
调查
    ↓
IR
    ↓
LL
    ↓
Historical RGA
    ↓
下一次调查直接复用

每一次调查，都会提升组织未来的调查效率。

为什么历史经验重要？

许多运行时问题都会重复发生。

例如：

USB 断连
Ethernet 丢包
Camera Frame Drop
LiDAR Timeout
PPS Drift
CPU Overload
Memory Pressure
Driver Crash

如果每一次都重新开始调查，工程团队会不断重复相同工作。

Atlas 会优先召回 Historical RGA，帮助工程师快速判断是否存在相似案例，从已有经验开始调查，而不是从零开始。

Atlas 的价值

对 CTO

建立统一的运行时治理体系
降低调查成本
积累组织知识资产
提高工程团队效率

对研发工程师

更快定位问题
减少重复排查
使用统一调查流程
更容易复用历史经验

对 Sensor Manufacturer

使用统一 Evidence Pack 与 OEM 协作
提高跨团队调查效率
降低沟通成本

对 OEM

建立标准 Runtime Investigation Workflow
缩短 Runtime Execution Failure（REF）调查时间
提高产品稳定性

Atlas 的定位

Atlas 不是：

日志分析工具
AI 自动诊断工具
ROS 替代方案

Atlas 是机器人行业的 Runtime Governance Infrastructure（运行时治理基础设施）。

它连接运行时证据、调查流程和组织知识，使每一次调查都成为未来能力的一部分。

Summary

Atlas 的价值并不是产生更多数据。

Atlas 的价值在于：

组织运行时证据
标准化调查流程
复用历史调查经验
持续积累组织知识

每一次 Runtime Investigation，都让下一次调查从历史开始，而不是从零开始。

下一步阅读

Runtime Governance Principle

一个真实的问题​