产品定位与价值主张 核心定位 该产品以情感交互机器人为本体，围棋专业模块为首发扩展，构建模块化桌面智能陪伴生态系统。 差异化价值

  • 情感AI实体化：表情灯光、耳朵动作、触觉反馈多模态融合，实现有温度的陪伴体验
  • 专业围棋生态：承载赛事级对弈、考级评测、监考管理的完整闭环
  • 模块化扩展：开放式架构支持后续棋类、游戏、教育等场景持续进化 目标用户场景
  • 家庭娱乐与成长陪伴
  • 围棋培训机构专业教学
  • 线上围棋赛事与考级认证
  • 桌面智能助手日常互动
  1. 产品架构与系统定义 1.1 整体架构设计 双机协同形态
  • 陪伴主控机器人（Companion Core）：语音交互、情感表达、UI显示、监考管理 [图片]
  • 围棋功能模块（Go Board Module, GBM-19）：棋盘识别、AI对弈、机械臂自动落子 [图片] 核心设计原则
  • 职责清晰：围棋AI计算与机械控制在GBM-19完成，主控专注交互与管理
  • 本地优先：关键功能离线可用，联网仅用于更新与云端增强
  • 安全隐私：最小化采集、边缘推理、数据可控
  • 标准化接口：机械、电气、软件三层标准化，确保扩展兼容性 1.2 系统分工与核心能力边界 陪伴主控机器人职责 推荐配置档位：主控建议（≥6 TOPS NPU，兼容Linux、丰富外设。
  • 计算能力：A53四核 + NPU算力满足语音情感处理需求
  • 交互管理：4路伺服驱动身体耳朵表情、LED灯环、触控显示
  • 感知汇聚：前置摄像头、麦克风阵列、触摸传感统一处理
  • 系统枢纽：数据同步、云连接、模块管理、监考录像协调 围棋功能模块职责 推荐配置档位：不再单独配置算力芯片。
  • 视觉处理：摄像头芯片处理视觉数据，围棋字符串传输至主控机器人，处理后返回控制数据，
  • 围棋AI引擎：独立围棋算法推理，评估分析与决策生成
  • 机械执行：高精度机械臂控制，自动落子与复盘演示
  • 专业功能：围棋规则、定式库、教学题库等领域专用能力 1.3 接口与系统集成 标准化连接方案
  • 数据传输：WIFI（TCP）或蓝牙方案
  • 扩展预留：标准化模块扩展接口，支持未来棋类/教育模块 供电与安全管理
  • 主控供电：内置18650电池组
  • 模块供电：外接适配器主供。
  • 功率管理：智能功率分配，过载保护，双向供电切换
  • 电气安全：符合CE/FCC安全标准，EMC兼容性设计
  1. 核心BOM及技术方案 2.1 陪伴主控机器人核心模块 暂时无法在飞书文档外展示此内容 2.2 围棋功能模块（GBM-19）核心模块 暂时无法在飞书文档外展示此内容 2.3 关键技术方案要点 SoC及NPU算力配置 主控建议配置：RK3587或同级（≥6 TOPS NPU，四核A76@2.2GHz）支撑多模态交互；备选JH7203（国产化，视频编解码优化）等。 围棋模块建议配置：不再配置算力芯片，由主控负责计算，使用摄像头芯片处理视觉数据，运动控制芯片做机械臂运动控制。 机械臂控制架构6 运动控制方案：采用实时控制器+分布式驱动架构，支持实时轨迹规划与碰撞检测。 安全保护机制：硬件急停回路、软件限位检查、力矩监控、人体检测多重保护。 精度保证措施：闭环位置控制、视觉反馈校正、温度补偿、机械背隙补偿。 视觉识别技术路线 识别算法：基于深度学习的棋子检测+传统计算机视觉的几何校正融合方案。 光照适应：自适应曝光控制+可控LED补光+多光谱成像技术。 标定策略：出厂标定+运行时动态校准，适应不同环境和棋盘材质。
  1. 功能需求与核心用例 3.1 情感交互系统（主控） 语音交互能力
  • 唤醒识别：本地唤醒词检测，响应延迟目标 ≤300ms
  • 语音理解：轻量ASR + NLU，支持围棋专业术语
  • 情感表达：基于语境的TTS合成，配合表情动作联动
  • 混合工作流：本地快速响应 + 云端深度理解 表情动作系统
  • 硬件配置：4路伺服电机（身体俯仰/水平，耳朵左右）
  • 动作库：预设表情组合，支持自定义动作序列
  • 情感映射：根据语音情感分析驱动对应表情
  • 状态指示：LED灯环配合表情表达系统状态 3.2 围棋专业系统（GBM-19） 视觉识别能力
  • 棋盘检测：自动识别19×19标准棋盘，适配多种材质
  • 棋子识别：黑白棋子准确分类，目标准确率 ≥99.5%
  • 状态跟踪：实时监测棋局变化，支持动态遮挡处理
  • 标定系统：自动几何校准，补偿光照变化 AI引擎能力
  • 自研算法：独立开发的围棋AI引擎，不依赖第三方
  • 实时评估：局面分析、胜率计算、候选手推荐
  • 教学模式：定式识别、死活题库、错误分析 机械执行能力
  • 自动落子：精确抓取放置，定位精度目标 ≤1.0mm
  • 复盘演示：按SGF文件回放棋局，可变速控制
  • 教学演示：配合题库进行动作示范
  • 安全保护：人手检测避障，软硬限位保护 3.3 监考反作弊系统 系统设计原则
  • 公平竞赛优先：所有检测和处理机制以维护比赛公平公正为首要目标
  • 证据链完整性：棋谱分析、行为监测、录像取证、历史数据多维度交叉验证
  • 分级响应机制：根据风险等级采取差异化处理策略
  • 双向审查制度：防范恶意举报,保护选手合法权益
  • 隐私保护合规：遵守《未成年人保护法》与《个人信息保护法》,录像仅保留72小时备查

监考场景支持 线上考级场景

  • 围棋段位认证：支持定级、定段考试远程监管
  • 目标用户：每年约300万儿童参与的线上定级定段考试
  • 价值模型：单次考级费用约¥450,提供视频存储增值服务 比赛监督场景
  • AI vs 人类对弈：检测人类选手是否使用AI辅助
  • 线上人人对弈：实体棋盘远程对弈反作弊
  • 教学复盘：教学分析和对局复盘监督
  • 观战裁判模式：支持教练、观众多角色观战 教学管理场景
  • 培训机构监督：B端和G端机构教学质量管控
  • 学校围棋课程：校内围棋教学过程监督

作弊检测能力矩阵 身份验证层

  • 人脸识别：比赛开始前确认考生身份
  • 持续验证：对局过程中定期抽查人脸匹配
  • 多人检测：识别画面中出现多人情况
  • 身份替换告警：检测中途更换对弈者 棋谱AI分析层 核心技术：
  • 支持KataGo、Leela Zero、绝艺、星阵等主流AI引擎分析
  • 实时计算AI吻合度(每手棋与AI推荐选点的匹配率)
  • 动态阈值设置(根据棋手年龄、级别、局面复杂度调整) 三级风险判定标准：
  • 低风险 (AI吻合度 < 60%)
    • 正常范围,无需特殊处理
    • 可驳回针对该选手的投诉
  • 中风险 (60% ≤ AI吻合度 < 70%)
    • 作弊嫌疑,进入人工复核
    • 可要求下轮执行录像监督(面部+双手+棋盘)
    • 若下轮再被投诉需提交录像证据
    • 可要求到线下校区由教师监赛
  • 高风险 (AI吻合度 ≥ 70%)
    • 直接判定作弊
    • 结果判负,取消成绩并要求退赛 吻合度分段分析：
  • 分析前50手、中盘(50-120手)、官子阶段各时段吻合度
  • 识别"精准规避检测"行为(故意选择AI第2、第3选点将吻合度控制在55-59%)
  • 关键复杂战斗手数单独标注分析 行为监测层 视觉行为分析：
  • 多人入镜检测：识别画面中出现第二人
  • 频繁离座告警：统计离开座位次数和时长
  • 视线偏移追踪：检测目光长时间偏离棋盘(疑似看其他屏幕)
  • 异常动作识别：频繁低头看手机、使用耳机等动作 时间模式分析：
  • 落子时间均匀度：检测每手棋耗时是否异常规律
  • 思考时间反常：简单局面思考过久或复杂局面瞬间落子
  • 暂停频率统计：频繁暂停对局(疑似咨询AI) 设备环境监控：
  • 多屏检测：识别双屏、多屏显示器
  • 画中画识别：检测伪造实时画面的软件特征
  • 网络流量监控：检测IP地址异常流量(疑似上传棋盘至AI服务器) 物品检测层
  • 违规设备：手机、平板电脑、蓝牙耳机、智能手表
  • 纸质资料：棋谱书、笔记、打印材料
  • 投屏设备：外接显示器、投影仪 音频分析层
  • 远程声音检测：识别画面外有人说话
  • 可疑对话关键词："这手怎么下"、"AI推荐"等关键词识别
  • 环境噪音异常：检测鼠标键盘声音(疑似操作其他设备) 环境监控层
  • 光线变化：突然开关灯、屏幕反光异常
  • 背景异常：背景中出现其他显示设备
  • 摄像头切换：检测比赛中途更换摄像设备
  • 画面遮挡：手部或物体故意遮挡摄像头

告警与记录系统 分级告警机制

  • Info级 (信息提示)
    • 轻微视线偏移、短暂离座(<30秒)
    • 仅记录,不触发干预
  • Warning级 (警告)
    • 中度风险行为:离座超30秒、检测到手机、视线长时间偏离
    • 本地语音提示:"请保持面部和双手在画面内"
    • 屏幕弹窗提醒
    • 累计3次Warning升级为Critical
  • Critical级 (严重告警)
    • 高风险行为:多人入镜、AI吻合度≥70%、使用蓝牙耳机
    • 立即通知裁判组
    • 自动截图和录制30秒视频片段
    • 可暂停比赛要求选手说明 实时处理流程
  1. 预警阶段：检测到异常行为,本地语音+屏幕提示
  2. 记录阶段：自动标记时间戳,触发录像片段保存
  3. 上报阶段：Critical级别事件实时推送至裁判组
  4. 人工介入：裁判组远程查看实时画面,决定是否暂停 录像标记功能
  • 关键事件截图：每个Warning/Critical事件自动截图
  • 视频片段提取：事件前后各15秒视频片段单独保存
  • 时间轴标注：在完整录像时间轴上标注所有告警事件
  • 快速检索：裁判组可按事件类型快速跳转查看 数据导出能力 完整考试记录包含：
  • 全程录像(面部+双手+棋盘画面)
  • 完整棋谱及AI分析报告
  • 所有告警事件列表(时间、类型、级别、截图)
  • 行为数据统计(离座次数、视线偏移时长、落子时间分布)
  • IP地址、设备信息、网络流量日志 数据保护：
  • 录像仅保留72小时备查,用后即删
  • 数据仅限裁判组和总裁判组访问
  • 符合国家法律法规,不做他用

投诉处理机制 投诉发起规则

  • 时限要求：比赛结束后30分钟内提交举报
  • 举报内容：说明可疑手数及理由
  • 证据提交：鼓励提供截图、录屏等辅助材料 裁判组架构 三级裁判体系：
  1. 地区裁判组
  • 北京裁判组:2名职业棋手,负责北京1210名选手
  • 异地裁判组:2名职业棋手(北京),负责异地1304名选手
  • 网校/合作校裁判组:2名职业棋手(非网校),负责337名选手
  1. 总裁判组
  • 不服地区裁判组裁决,可申诉至总裁判组
  • 最终仲裁权 分级处理流程 低风险处理 (AI吻合度 < 60%)：
  1. 进入人工复核裁定
  2. 可驳回申诉并出具理由
  3. 不服裁决可向总裁判组继续申诉 中风险处理 (60% ≤ AI吻合度 < 70%)：
  4. 进入人工复核,综合行为数据和录像分析
  5. 驳回路径：
  • 可驳回申诉并出具理由
  • 不服裁决可向总裁判组继续申诉
  1. 改判路径：
  • 判定存在作弊嫌疑
  • 要求下轮执行动作：
    • 方案A：下轮比赛全程开摄像头录像(露面部及双手)
      • 若下轮再被投诉需提交视频证据
      • 未提交证据可判负并要求退赛
      • 证据无效或不符合要求,可要求线下重赛或直接判负
      • 未再被投诉则无需提交
    • 方案B：下轮到聂道线下校区由教师监赛
  • 不服裁决可向总裁判组继续申诉 高风险处理 (AI吻合度 ≥ 70%)：
  1. 直接终局裁定
  2. 结果判负,取消成绩并要求退赛
  3. 根据"反坐机制"触发双向嫌疑条款(见下文) 反坐机制(防恶意举报) 核心原则：任何投诉均进行双向审查,保护选手权益 触发条件：
  • 双方棋谱AI吻合度均≥60% 处理措施：
  1. 判定本局双负
  2. 或安排双方重赛(线下)
  3. 将两人列入重点观察名单,后续比赛须全程录像 恶意举报惩罚：
  • 举报方吻合度高于被举报方,视为恶意构陷
  • 首次警告,扣除信用分
  • 再犯取消当届比赛资格 重赛机制 适用场景：
  • 经过上述流程处理,双方仍对仲裁结果不满
  • 总裁判组调解无效 重赛要求：
  • 方式1：双方线下面对面对弈
  • 方式2：双方开摄像头直播在线对弈
  • 以重赛结果为准,不同意重赛者可判负 仲裁文档：
  • 总裁判组出具判罚说明
  • 说明原判罚理由和重赛安排
  • 双方签字确认

线上赛作弊技术对抗 高风险作弊平台识别

  • 野狐围棋、腾讯围棋：用户基数大,匿名性强,AI接入插件多
  • Tygem (韩国)、KGS (国际)、OGS (开源)：国际平台监管弱 常见作弊工具库 AI分析引擎：
  • KataGo、Leela Zero、绝艺(Fine Art)、星阵、Katrain 作弊插件：
  • GoReviewPartner、AI GUI桥接工具
  • 实时读取棋盘并返回AI选点 硬件辅助：
  • 双屏/多屏显示器
  • 投屏设备(iPad、手机投屏)
  • 蓝牙微型耳机接收外部指导 反制措施升级 对抗"精准规避检测"：
  • 不仅分析吻合度,还分析AI推荐的第2、第3选点匹配率
  • 标注"刻意规避"特征:吻合度长期稳定在55-59%区间 对抗"画中画"伪造：
  • 检测画面压缩痕迹(二次编码特征)
  • 要求选手进行实时动作指令(举手、转头等)
  • 随机时刻要求展示完整房间环境 对抗"投屏到盲区"：
  • 要求摄像头俯视角度,覆盖桌面和周边环境
  • 检测环境光源反射(其他屏幕的光照变化) 对抗"网络流量隐蔽"：
  • 封禁比赛期间使用VPN、代理
  • 监控上传流量(棋盘截图上传AI服务器)
  1. 系统接口与扩展架构 4.1 标准化接口规范 物理连接标准
  • 主连接：USB-C（PD 3.0）支持100W双向供电，USB 3.2数据传输
  • 扩展接口：标准化模块接口，包含电源、数据、控制信号
  • 安全特性：防反插设计、热插拔支持、过载保护
  • 机械规范：工业级连接器，满足频繁插拔需求 电气安全要求
  • 绝缘等级：符合IEC 61010安全标准
  • EMC兼容：满足CE/FCC电磁兼容要求
  • 防护等级：核心模块达到IP54防护标准
  • 安全认证：通过UL/CCC/CE强制性安全认证 4.2 软件接口标准 服务接口定义
  • 视觉服务：RESTful API提供棋盘状态查询和变化订阅
  • 引擎服务：gRPC接口支持围棋AI评估和决策请求
  • 动作服务：MQTT消息总线控制机械臂动作序列（待定）
  • 监管服务：WebRTC协议支持实时音视频流传输 数据格式标准
  • 棋局数据：SGF v4标准格式，兼容主流围棋软件
  • 配置数据：JSON Schema标准，版本化配置管理
  • 日志数据：结构化日志（JSON Lines），支持ELK分析
  • 媒体数据：H.264/AAC编码，支持实时流和录制回放 4.3 模块化扩展能力 扩展模块标准 接口抽象层：统一的硬件抽象层（HAL），支持即插即用。 能力发现协议：自动识别模块类型和功能，动态加载驱动。 资源管理：计算资源、存储空间、网络带宽的智能调度分配。 未来扩展路径
  • AI模型升级：支持ONNX/TensorRT等主流推理框架，模型版本化管理
  • 算法能力扩展：开放SDK支持第三方算法集成，插件式架构
  • 可插拔模块生态：中国象棋、国际象棋、五子棋等标准化模块接口
  • 行业标准兼容：支持OpenAI API、ROS机器人标准等行业协议
  1. 关键工程实现要点 5.1 视觉识别工程化 关键技术指标
  • 识别精度：棋子检测准确率≥99.5%，误判率≤0.1%
  • 响应速度：棋局变化检测延迟≤1.0秒
  • 环境适应：光照变化范围100-2000 lux正常工作
  • 材质兼容：支持木质、塑料、陶瓷等主流棋盘材质 工程实现要点 标定策略：采用棋盘格标定板+实时几何校正，补偿镜头畸变和安装误差。 光照控制：可控LED补光系统，根据环境光照自动调节亮度和色温。 算法优化：端侧推理INT8量化，模型大小≤10MB，推理延迟≤50ms。 鲁棒性设计：多帧融合判断、异常检测和自动恢复机制。 5.2 机械控制工程化 关键性能要求
  • 定位精度：末端定位精度≤±1.0mm，重复精度≤±0.5mm
  • 运动速度：空载最大速度1000mm/s，负载速度500mm/s
  • 安全响应：碰撞检测响应时间≤100ms，紧急停止距离≤2mm
  • 工作寿命：连续工作≥8小时/日，整机寿命≥50万次落子 工程实现要点 控制架构：采用实时Linux内核，1ms控制周期，支持轨迹前瞻控制。 传感器融合：编码器位置反馈+力矩传感器+视觉校正的多重定位系统。 安全保护：硬件急停回路+软件安全区域+碰撞检测的三重保护机制。 维护设计：模块化设计便于维修，关键部件免润滑或长周期维护。 5.3 系统集成与通信 数据同步架构 本地优先：关键功能本地完成，云端仅用于增强和备份。 实时通信：设备间延迟≤50ms，支持音视频同步传输。 容错机制：网络断线自动恢复，本地数据缓存和重传机制。 一致性保证：分布式事务保证棋局状态一致性，冲突检测和解决。 性能优化策略 计算负载均衡：主控专注交互，围棋模块承担AI推理和视觉处理。 内存管理：大文件流式处理，避免内存峰值超限。 存储优化：热数据SSD缓存，冷数据压缩归档。 功耗控制：动态频率调节，待机模式功耗≤5W。
  1. 用户体验与交互设计 6.1 核心使用场景 家庭娱乐场景
  • 对弈陪练：AI难度可调，适合不同水平用户
  • 学习指导：实时提示和复盘分析
  • 情感陪伴：个性化交流，建立情感连接
  • 娱乐互动：多样化表情动作，增加趣味性 专业培训场景
  • 教学辅助：配合教师进行专业指导
  • 练习监督：自动记录练习过程和进度
  • 考级准备：模拟考试环境和标准
  • 技能评估：客观分析技术水平和改进方向 线上考试场景
  • 身份认证：确保考试参与者身份真实
  • 过程监督：全程监控确保考试公正
  • 违规检测：自动识别和记录违规行为
  • 结果记录：完整的考试过程和结果存档 6.2 交互体验优化 语音交互优化
  • 自然对话：支持多轮对话和上下文理解
  • 专业术语：围棋专业词汇准确识别
  • 情感识别：根据语音情感调整回应方式
  • 多语言支持：支持中英文切换使用 视觉体验优化
  • UI设计：简洁直观的界面设计
  • 动画效果：流畅的过渡动画和反馈
  • 状态指示：清晰的系统状态显示
  • 个性化设置：用户偏好设置和记忆 物理交互优化
  • 表情动作：丰富的表情和肢体语言
  • 触感反馈：适当的物理反馈增强体验
  • 稳定性：设备物理稳定性和安全性
  • 维护便利：易于清洁和基础维护
  1. 项目规划与里程碑 7.1 开发阶段规划 第一阶段：核心功能实现
  • 基础架构：系统架构设计和核心框架搭建
  • 关键算法：视觉识别和围棋AI算法实现
  • 硬件集成：硬件选型和基础集成测试
  • 接口开发：关键接口定义和实现 第二阶段：功能完善
  • 交互优化：语音交互和表情控制完善
  • 监考系统：反作弊监考功能实现
  • 数据管理：数据存储和同步功能
  • 安全加固：隐私保护和安全功能 第三阶段：产品化
  • 用户体验：UI/UX设计和体验优化
  • 性能调优：系统性能优化和稳定性提升
  • 测试验证：全面测试和问题修复
  • 文档准备：用户文档和技术文档 7.2 关键里程碑 技术里程碑
  • 技术验证完成：核心技术可行性验证
  • 原型机完成：功能原型机制作和测试
  • 工程样机完成：工程化样机和功能验证
  • 量产准备完成：量产工艺和品质验证 产品里程碑
  • 需求确认完成：产品需求最终确认
  • 设计确认完成：产品设计方案确认
  • 开发完成：产品开发和功能实现
  • 测试完成：产品测试和质量验证

附录 A. 术语定义

  • GBM-19：Go Board Module 19×19，围棋功能模块
  • Companion Core：陪伴主控机器人
  • Module Dock：模块化底座接口
  • SGF：Smart Game Format，围棋棋谱标准格式
  • NPU：Neural Processing Unit，神经网络处理单元 B. 技术参考标准
  • 围棋规则：中国围棋规则、日本围棋规则
  • 通信协议：USB 3.2、Wi-Fi 6、BLE 5.2
  • 音视频编码：H.264/H.265、AAC
  • 数据安全：AES-256加密、TLS 1.3
  • 隐私合规：GDPR、个人信息保护法
  • 工业标准：IEC 61010、CE/FCC、UL认证 C. 工程方案决策预留事项
  • 具体芯片pin脚定义：留待详细硬件设计阶段确定
  • 电气波形参数：依据最终选型器件规格书制定
  • 热设计分析：基于功耗测试结果优化散热方案
  • 供应链备选：建立关键器件多供应商备选机制
  • 软件架构细化：详细模块接口和服务编排设计