一台夜里绕着高层货架飞一圈的无人机，听起来像是仓储自动化的最后一块拼图。它实际交付的是一组观测，每一条都挂着位置、时间与一次飞行；而它能不能变成库存真相，完全取决于背后的模型。飞行日志是证据，库存数字是从证据里推出来的结论，一个月后为某一笔差异争论时，这两者绝不能被混为一谈。
无人机能看见什么、看不见什么
它是上层专用工具，不是地面机器人的替代品。
- 它在顶梁之上的一段固定高度带飞行，俯视上层货位的价签与标签。
- 它不能拣货、数周转箱里的散件，也读不到托盘背面的标签。
- 它看到的是纸箱顶面，而那里往往正是从来没人贴过标签的地方。
- 窄货道里，旋翼气流会掀起缠绕膜与灰尘，读取率随之起伏。
- 把它当作上层工具，两米以下仍交给地面设备。
飞行是一次任务，不是一次拍照
没有被记录的飞行，不算证据。
- 定义任务：库区、货架排、飞行高度带、速度、云台角度与计划航点。
- 记录地图版本，以及航点所参照的坐标系。
- 每次采集都绑定时间戳、位姿与任务标识。
- 记录中止的航段与补飞，因为覆盖缺口看起来和缺货一模一样。
- 汇总数据导入之后，原始飞行日志仍要保留。
高层货架的几何难题
高度把一个简单读取变成了一道三角学题。
- 八米高度上读取锥很宽，一趟可能覆盖好几层，也可能一层都没覆盖，全看角度。
- 横梁、钢丝网护栏与托盘外伸，都会挡住到标签的视线。
- 贴在顶梁的标签可读，贴在托盘立面的标签通常读不到。
- 航线偏斜会把读取推进相邻货位，造出并不存在的差异。
- 高度歧义要靠位姿与地面读到的货位标识联合消解。
读取质量取决于飞行轨迹
多数「无人机 RFID 失败」，其实是飞行轨迹失败。
- 与货架面保持一致的偏移飞行；距离波动对读取率的影响比标签型号更大。
- 在拐角处减速，那里天线以掠射角扫过标签。
- 首趟覆盖率低于目标时，每个货道飞双向。
- 让旋翼气流远离松散的薄膜与包装，两趟数据才有可比性。
- 逐条记录信号强度，弱观测才能与可信观测分开。
安全与监管边界
室内飞行绕开了空域法，绕不开职业安全法。
- 书面的风险评估仍然要做，而且要写明货道、时段与涉及人员。
- 在人员、叉车通道与充电区周边划定禁飞范围。
- 预留电量必须能保证受控降落，而不是尽力而为。
- 地理围栏设在飞控里，不只设在任务规划软件里。
- 每一次人工接管都要记录；接管是任务设计不安全的最清楚信号。
从采集到差异单据
ERP 绝不应该直接收到无人机的原始读取。
- 原始采集进暂存表，带任务、位姿、时间戳、标签与信号强度。
- 任务开始时按 Odoo 库存量生成应有数，再逐库位比对。
- 差异分类：真实短缺、错位、标签不可读、货架被挡、地图过期。
- 每一行都附置信度，审阅者才能按可靠度排序。
- 先公布比对，再谈库存移动，并保留比对所依据的那份快照。
同步模型：任务、位姿、快照
这套集成表面是接口问题，实质是数据模型问题。
- 把任务、航段、航点、采集建成各自独立、键值稳定的记录。
- 地图要版本化，每条采集内部都引用版本。
- 存储用于比对的应有快照，连同它的生成时间。
- 允许迟到数据；重传的任务必须幂等，不能产生重复任务。
- 差异单据以有责任人的任务形式暴露给 Odoo，绝不悄悄调整。
高处、金属与低温下的标签读取
上层货架是一个不友好的射频环境。
- 金属货架会反射并抵消信号，标签朝向比标签代数更重要。
- 冷冻区会起雾并改变天线阻抗，要在实际温度下测，不是实验台上测。
- 抗金属标签更贵，混用标签的现场读取会不均匀，而原因往往很难看见。
- 叉车碰撞会让标签劣化，不可读标签集中在受撞点。
- 按货位逐周跟踪读取率，坏标签才能在变成差异之前浮出来。
无人机何时优于地面机器人，何时不优
选平台看几何条件，不看演示效果。
- 四米以上、货道窄到立杆进不去、地面无法通行的区域，无人机占优。
- 地面机器人在续航、载重与视线齐平、照明稳定这几项上占优。
- 无人机怕开门形成的气流、怕粉尘，也怕净空不足。
- 混合机队仍应只喂一套差异模型，而不是两条并行的报表管线。
- 比较每千个观测库位的成本，而不是每台设备的成本。
试点设计、验收与指标
试点只有一件事要做：证明覆盖率比今天的流程更好。
- 从一个高层货架区、一个标签数据干净的品类开始。
- 先只跑报告四到六周，再提出任何调整。
- 测覆盖率、一致率、误报率与差异闭环时间。
- 关注可追溯到地图或标签问题的差异占比，它应当逐月下降。
- 事先定义「出现什么结果就该停」，并且真的执行。
