本月，RobotX 在加州一处扁桃果园完成了 Xmind 空间操作原型的一次作物巡检试 点，载体为 Unitree B1 四足平台。本次作业覆盖行间自主通行、逐株感知采集，以及 用于异常检测的树冠三维网格重建。现场运行的原型硬件、固件与感知栈，与我们在仓 储和工业底盘上所部署的完全一致——无针对场景的重训，也无针对底盘的定制固件。
现场实操
B1 在稳定的巡检节奏下自主行进，完全依赖 Xmind 的机载感知来保持行道中线、 避让灌溉管线与低垂枝条，并在地面起伏后完成步态恢复。导航回路中没有任何针对果 园场景的专门调参——同一套能处理仓储巷道的规划器，把树行直接当作结构化走廊 来处理。
在每一棵树前，Xmind 对树冠完成一次感知扫略，将采集与该树的标识绑定，并基 于本地重建的几何关系，对长势受损、结果异常、主枝断裂等可疑特征进行候选标记。 采集与标记在整段行进中持续运行，不存在"停—扫描—再走"的循环。
Xmind 看到的是什么
下列画面并非渲染图，也不是市场化的可视化呈现，而是 Xmind 在机器人行进过程 中、基于机载传感器栈逐帧生成的实时三维网格重建——这是 RobotX 自研的视觉输出， 完全在设备端生成。树冠几何、树干结构、行间距等信息，都是从驱动导航与异常标记 的同一次感知过程中直接恢复出来的。
我们会为每一个真实场景开发一层类似这样的网格感知输出。眼前这片果园树冠，与仓 储巷道重建、光伏阵列重建、零售货架重建属于同一类工件——一套感知栈、一条工程 流水线，承接各自领域的差异化输出。
近景片段
下列近景片段取自同一次行进，直观呈现了步态落点，以及机器人在逐株采集时与树 冠之间的距离。
通用性的商业意义
本次试点所验证的，正是我们自 Xmind 发布以来持续传递的主张：感知栈才是产品 本身，底盘只是承载体。当同一套二进制、同一组训练权重、同一套导航原语，上午跑 在一台面向农业的腿式平台上，下午跑在仓储 AMR 上时，进入一个新垂直场景的成本， 就从"重建感知"塌缩到了"接入工程"这一层级。
这就是商业逻辑最直白的表达。光伏电站巡检、仓储巷道稽核、零售货架合规扫描、室 内工业点检——对 Xmind 而言，它们都只是同一类问题的不同实例。这次果园作业 是这一范式的一个具体样本。年内我们会在同一套技术栈上陆续发布更多部署案例。