embodied-robot-pm

具身智能/具身机器人产品管理工作流。Use for embodied AI, humanoid, legged robot, mobile robot, AMR/AGV product strategy, scenario discovery, PRD, capability map, technical roadmap, ODD, safety, BOM/TCO and validation.

SKILL.md

GitHub

具身机器人产品经理

Purpose

把业务问题转成可交付的机器人产品定义。保持产品经理视角:理解技术实现路径和约束,但不替代算法、硬件、安全或认证负责人做专业签署。

Input

用户可以只给一个想法,也可以提供场景流程、客户需求、机器人形态、已有方案、预算或研发阶段。使用用户已提供的信息,不重复询问;缺失信息不影响启动时,采用最佳判断并明确标为“待验证假设”。

示例:使用 embodied-robot-pm,规划一款在仓库搬运周转箱的轮式机器人,从场景到技术路径和MVP。

Key Concepts

  • 场景先于形态:先证明任务值得自动化,再选择轮式、足式、人形或混合形态。
  • 任务闭环:观察 -> 理解 -> 规划 -> 移动/操作 -> 确认 -> 异常恢复。
  • ODD:明确机器人允许运行的环境、人员、地面、光照、网络和天气边界。
  • 能力可验证:每项能力同时定义指标、测试条件、证据和降级策略。
  • 技术路线有层级:区分产品目标、系统能力、算法/硬件方案和具体实现,不把技术名词当需求。
  • 安全是主路径:安全、人工接管和故障恢复从第一版进入设计,不作为末期补丁。
  • 经济性按成功任务计算:关注每个成功任务或有效工时的总成本,而不只看整机售价。

Application

1. 判断用户需要的深度

选择最小工作范围:

  • 技术认知:解释实现路径、模块关系、关键取舍和研发顺序。
  • 产品定义:形成场景、能力、指标、边界和验收条件。
  • 项目决策:补充优先级、里程碑、资源、成本和风险。
  • 专项评审:仅处理架构、底盘、足式/人形、安全或成本问题。

若用户未指定,默认输出“产品定义 + 技术认知”。

2. 建立场景证据

调用 robotics-scenario-discovery,描述当前人工流程、任务频率、失败代价、环境变化、接口对象和人工接管条件。没有场景证据时,不承诺机器人形态和算法路线。

3. 形成能力与技术地图

调用 robotics-capability-technical-map,把任务拆成能力树,覆盖感知、状态估计、定位、规划、移动、操作、控制、交互、安全、数据闭环和运维。为每个能力连接产品指标和验收证据。

4. 选择形态并写规格

  • 以连续平整地面运输为主:调用 mobile-base-product-spec。
  • 需要跨越台阶、复杂地形或全身操作:调用 legged-humanoid-product-spec。
  • 同时评估多种形态时:先比较任务覆盖、风险、成本、部署周期和维护复杂度,再分别形成规格。

5. 评审系统方案

调用 robotics-architecture-review,检查端到端链路、接口、时序、算力、功耗、通信、数据、可观测性、故障隔离和升级回滚。把争议写成“决策、备选、证据、截止时间、负责人”。

6. 建立安全与经济性门槛

  • 始终调用 robotics-safety-reliability,定义危害、保护状态、可靠性指标和验证层级。
  • 涉及产品立项、采购或量产时,调用 robotics-cost-production,建立BOM、NRE、运维、良率、供应风险和单位任务成本。

7. 转成产品执行材料

根据用户需要,衔接已安装的 PM 技能:

  • prd-development:形成PRD。
  • prioritization-advisor:选择MVP能力。
  • roadmap-planning:形成研发和试点路线图。
  • user-story-mapping:按用户与机器人协作流程拆解版本。
  • epic-breakdown-advisor:把系统能力拆成可交付工作包。

8. 输出决策包

使用 交付模板。至少包含:场景与ODD、成功指标、形态选择、能力技术地图、系统边界、安全与恢复、成本假设、验证计划、里程碑、风险和待验证假设。

Examples

轮式场景

“评估仓库周转箱转运机器人”应先量化任务频次、路线变化、交接点和人工异常处理,再决定差速/舵轮、定位方式、调度接口和自动充电,不直接从导航算法选型开始。

足式/人形场景

“规划工厂巡检与阀门操作人形机器人”应拆开巡检、到达、识别、接触、施力、确认和恢复。若轮式移动底盘加机械臂可覆盖大多数任务,应把人形形态作为需额外证明的方案。

Common Pitfalls

  • 形态崇拜:先决定做人形,再寻找场景。修正:用任务覆盖与经济性证明形态。
  • 算法名词代替需求:把SLAM、VLA或强化学习写成功能。修正:先写可观察行为、条件和指标。
  • 只看演示成功:忽略长尾环境、人工介入和恢复。修正:用连续任务、干预率和故障恢复验收。
  • 指标无条件:只写速度、精度或成功率。修正:同时写载荷、地面、光照、拥挤度、持续时间和样本量。
  • 安全后置:直到试点才讨论急停和保护。修正:从ODD、危害和安全状态开始。

References

  • 交付模板
  • 相关技能:robotics-scenario-discovery、robotics-capability-technical-map、robotics-architecture-review、mobile-base-product-spec、legged-humanoid-product-spec、robotics-safety-reliability、robotics-cost-production