研发技术

研发链路深度基于 NVIDIA 机器人生态

R-Power 整套测评与控制系统研发流程基于 NVIDIA Jetson、Isaac Sim、TensorRT 与 ROS2 生态搭建,形成「云端仿真验证 → 模型优化 → 边缘部署 → 户外实车标定」的完整研发闭环。

NVIDIA Jetson Orin Isaac Sim TensorRT ROS2 多传感器融合 统一时基工程 故障注入 RRI / CRI 度量
研发闭环

仿真 + 实测双回路

真实故障数据回流修正仿真模型——每一条户外实测数据都让仿真更真,每一次仿真迭代都降低实机测试成本。

仿真NVIDIA Isaac Sim

高保真物理仿真与域随机化:动力总成、路面交互、多车协同场景批量模拟,降低实机迭代成本

→
优化TensorRT

感知与控制模型量化、算子优化,降低边缘端算力消耗与延迟

→
部署NVIDIA Jetson Orin / Orin Nano

优化后的模型部署至车载边缘计算单元,实时推理与数据采集同步进行

→
标定R-Box + R-Eval 户外实车

野外实测数据回流修正仿真模型,闭环迭代

自研算法

核心算法全部自研

多源数据融合

IMU / 视觉 / CAN / 协同链路异构数据统一入仓与质量校验。

多传感器融合

统一时基工程

GNSS 拒止条件下的时间同步与对齐——测评可信度的地基。

统一时基

故障注入引擎

设计过、可复现、可回放的标准化故障场景库。

故障注入

时序对齐与事件切片

跨源数据对齐与按事件自动切片,故障归因效率数量级提升。

事件切片

RRI / CRI 度量

可靠性与协同度量化评分体系,结论可复现、可审计。

RRI / CRI

运动状态感知与动力调控

基于 Jetson 端侧实时的底盘状态感知与动力分配调控。

边缘实时控制
研发团队

专职开发者配置

核心研发团队由嵌入式硬件、边缘算法与系统集成工程师组成,覆盖「硬件 → 算法 → 平台」全栈。详细成员见关于页团队。

硬件工程

车载测量单元设计、传感器集成与装车验证。

R-Box · R-ORV

边缘算法

Jetson 端侧推理部署、TensorRT 优化、数据链路。

Jetson · TensorRT

平台与系统

测评平台架构、时序对齐与指标计算、系统集成交付。

R-Eval · 系统集成

生态与商标声明

NVIDIA、Jetson、Isaac Sim 与 TensorRT 是 NVIDIA Corporation 的商标或注册商标。R-Power 是独立公司,与 NVIDIA 不存在隶属、合资、投资或官方合作伙伴关系;本站提及 NVIDIA 产品仅用于说明研发所基于的技术生态。本项目独立研发,未获 NVIDIA 官方背书。R-Power(香港复兴动力科技有限公司)与欧洲光伏储能企业 R.Power Group 无任何关联。