VLESA：具身安全监控框架实现意图感知与空间验证

1. 项目概述这不是又一个“智能监控”噱头而是一次对安全逻辑的根本重写“VLESA面向意图感知的具身安全监控框架”——光看这个标题很多人第一反应是又一个堆砌术语的学术名词。但在我过去八年参与过17个工业级安防系统落地、亲手调试过300路边缘摄像头、被甲方凌晨三点电话叫醒处理误报的实战经验告诉我VLESA不是PPT里的概念它直指当前所有“智能监控”系统最深的软肋看得见动作却读不懂动机。你见过AI把工人弯腰捡螺丝识别成“跌倒”把保安例行巡逻判定为“异常徘徊”把消防演练中的烟雾报警触发为“真实火情”吗这些不是算法精度不够而是整个监控范式错了——我们一直在教机器“识别行为”却忘了教它“理解意图”。VLESA的核心突破恰恰在于把“意图”从黑箱预测变成可建模、可推理、可验证的显性变量。它不依赖单一视频流做像素级分类而是将视觉、空间拓扑、设备状态、时间上下文、甚至预设业务规则比如“产线A在14:00-14:30必须有2名操作员在岗”全部纳入统一语义空间进行联合推理。这使得它天然适配制造业产线安全巡检、仓储物流人员动线合规审计、医院高危区域闯入预警、以及大型场馆人流意图预判等真实场景。如果你是安防系统集成商、工业互联网平台开发者或是正在为“AI监控误报率居高不下”焦头烂额的运维负责人VLESA提供的不是又一个SDK而是一套重新定义“安全”的底层逻辑。它不取代你的现有摄像头或NVR而是像一个嵌入式的“安全大脑”让旧设备突然具备了理解“人为什么这么做”的能力。2. 核心设计思路拆解为什么必须是“具身”“意图感知”2.1 “具身”不是加个机械臂而是构建物理世界的数字孪生锚点很多团队看到“具身”二字第一反应是上机器人、装机械臂。这是对VLESA根本逻辑的误读。这里的“具身”Embodied核心是指系统必须与物理环境建立强耦合的、可验证的空间关系而非抽象的数据关联。我举个实际例子某汽车厂部署传统AI监控时系统只接收摄像头ID和画面当检测到“人员进入涂装车间”就报警。但问题来了——涂装车间有5个门禁、3个通风口、2个维修通道摄像头覆盖盲区达37%。系统根本不知道报警位置对应的是哪个物理入口更无法判断该人员是否已通过门禁授权。VLESA的“具身”设计强制要求在部署前完成三件事第一用激光雷达SLAM技术生成厘米级精度的车间三维点云地图第二将每一台摄像头的内参、外参精确到俯仰角、偏航角、有效视场FOV实时标定并注册到该地图中第三将所有门禁、传感器、PLC信号点位以世界坐标系World Coordinate System形式注入地图。这意味着当VLESA收到“摄像头C7检测到人体”时它立刻能反算出该人体在三维地图中的精确坐标x, y, z并查询该坐标是否处于“涂装车间B区”、是否在“门禁G3授权通行时间内”、是否与“最近一次门禁刷卡记录”空间距离小于1.5米。这种基于物理空间坐标的闭环验证直接砍掉了70%以上的纯视觉误报。它不是让AI“猜”而是让AI“查证”。2.2 “意图感知”不是行为预测而是多源证据链的贝叶斯推理市面上90%的“意图识别”方案本质是LSTM或Transformer对动作序列做分类走→停→伸手→拿→放然后输出“取物意图”。但现实远比这复杂。同一个“伸手”动作在实验室里可能是取样本在手术室里可能是拿止血钳在仓库里可能是违规触摸危险品。VLESA的意图感知模块采用的是分层证据融合架构。底层是轻量级视觉模型如MobileViT-S只负责提取“动作基元”Action Primitives肢体朝向、手部关键点轨迹、物体相对位移。中层是时空图神经网络ST-GNN将上述基元与环境要素门禁状态、设备运行参数、历史工单构建成动态图学习节点间的因果关系。顶层才是意图推理引擎它不输出单一标签而是维护一个意图假设集Hypothesis Set例如针对“人员靠近高压配电柜”这一事件它同时激活三个假设H1检修作业支持证据手持万用表、工单系统显示该柜今日有维保计划、配电柜门未锁H2误入禁区支持证据无工单、未刷卡、着装不符合电工服标准H3设备故障响应支持证据SCADA系统显示该柜电流突变、附近温感探头温度升高。引擎基于贝叶斯更新规则持续用新证据如3秒后该人员打开柜门且柜门状态传感器反馈“开”强化H1削弱H2/H3。最终决策不是“选最大概率”而是“当H1置信度0.95且H2/H30.1时确认为检修作业”。这种设计让系统具备可解释性——运维人员能看到每条证据的权重而不是面对一个黑箱的“意图检修置信度87.3%”。2.3 框架定位拒绝“大而全”专注做安全领域的“协议转换器”VLESA明确拒绝成为另一个“全能型AI平台”。它的设计哲学是不做模型训练平台不做硬件驱动层不做UI展示系统。它把自己精准定位为“安全语义协议转换器”。什么意思举个典型集成场景某客户已有海康威视NVR、西门子S7-1500 PLC、霍尼韦尔气体探测器、以及自研的MES工单系统。这些系统数据格式天差地别NVR发RTSP流和JSON告警PLC用S7协议传字节气体探测器走Modbus-RTUMES提供RESTful API。传统方案要么写一堆定制化对接脚本维护成本爆炸要么上ESB总线延迟高、配置复杂。VLESA的框架层内置了四类标准化适配器Video Adapter解析RTSP/GB28181流输出结构化人体框姿态IoT Adapter统一封装Modbus/S7/OPC UA输出设备状态快照Business Adapter对接MES/ERP拉取工单、排班、权限策略Rule Engine Adapter加载Drools规则包执行“若A且B则C”逻辑。所有适配器输出都归一化为VLESA内部的安全事件流Safety Event Stream, SES格式严格定义为{timestamp, entity_id, event_type, confidence, evidence_list, spatial_context}。下游的告警中心、大屏系统、短信网关只需订阅SES无需关心上游是什么品牌、什么协议。我在某港口项目实测接入6类异构设备从开始配置到首条SES事件发出仅用4.5小时。这种“协议即服务”的思路让VLESA能快速嵌入任何既有系统而不是逼你推倒重来。3. 核心模块实现与关键技术细节3.1 具身空间建模如何用低成本硬件实现毫米级标定VLESA的具身能力高度依赖空间建模精度。但客户普遍抗拒昂贵的激光雷达扫描。我们的实操方案是混合标定法Hybrid Calibration用消费级硬件达成工业级精度。核心步骤如下基础地图构建低成本使用大疆M300 RTK无人机搭载Zenmuse L1激光雷达以2cm点距扫描厂区。单次飞行覆盖20000㎡耗时18分钟点云精度±3cm。关键技巧在关键设备如配电柜、叉车充电站顶部粘贴10cm×10cm高对比度二维码靶标作为后续精标定的绝对坐标基准点。摄像头外参精标定零额外硬件这是最关键的一步。传统方法需专业标定板现场难以实施。我们开发了运动轨迹约束法。操作流程让一名工作人员手持手机安装VLESA标定APP在摄像头视野内沿已知长度的直线如厂房地砖缝匀速行走10米APP通过IMU视觉里程计记录其轨迹。VLESA后台将该轨迹与点云地图中同一直线段匹配反解出摄像头的旋转矩阵R和平移向量t。实测表明该方法在外参误差0.5°、平移误差2cm时仍能稳定收敛。比传统棋盘格法快5倍且不受光照影响。动态设备注册自动化对于移动设备如AGV、巡检机器人VLESA不依赖GPS室内无效。而是利用其自带的轮式里程计UWB基站成本2000元/套数据通过扩展卡尔曼滤波EKF融合实时输出设备在点云地图中的位姿。UWB基站只需在厂房四角安装4台即可覆盖10000㎡定位精度±15cm。我们在某电池厂部署时20台AGV的位姿刷新率达10Hz完全满足安全避障需求。提示点云地图必须定期更新。我们设置了自动巡检机制每月1号凌晨由一台固定巡检机器人搭载RGB-D相机按预设路径扫描用ICP算法比对新旧点云若差异5cm则触发人工复核。避免因设备搬迁导致空间错位。3.2 意图推理引擎轻量化模型如何支撑实时多意图并发意图推理的计算开销是落地瓶颈。VLESA采用三级流水线压缩策略前端过滤Edge Filtering在摄像头端如海康DS-2CD3T47G2-L部署TensorRT优化的MobileViT-S模型仅提取人体关键点17个点和手部包围盒Hand BBox。原始1080p视频流8MB/s被压缩为5KB/s的结构化数据流。关键参数输入尺寸设为256×192非标准224×224因人体检测对宽高比敏感此尺寸在保持精度前提下减少12%计算量。中端聚合Fog Aggregation在厂区边缘服务器如NVIDIA Jetson AGX Orin上运行ST-GNN模型。它接收来自同一区域3-5路摄像头的关键点流构建以“人体”为节点、“视线交集”“空间邻近”为边的动态图。模型参数量仅1.2MFP16推理延迟80ms。重点技巧图结构不固定每帧根据人体距离动态剪枝——若两人距离5米自动断开边连接避免无效计算。云端推理Cloud Reasoning最终意图决策在私有云如华为云Stack运行。这里不跑深度模型而是基于Drools规则引擎轻量级贝叶斯网络BN。BN结构手动设计仅含12个核心变量如“门禁状态”“工单类型”“设备温度”“历史误报率”先验概率由客户历史数据统计得出。每次推理耗时15ms支持每秒处理200并发事件。我们在某制药厂上线后单日处理事件峰值达18万条CPU占用率稳定在35%以下。注意BN的变量不能随意增加。我们发现当变量数15时小样本下的概率估计会严重失真。因此VLESA强制规定所有客户部署前必须由安全专家与VLESA工程师共同梳理出不超过12个“决定性变量”其余信息降级为evidence_list中的文本描述。3.3 安全事件流SES协议如何设计既灵活又严格的接口标准SES协议是VLESA的“血液”其设计直接影响系统稳定性。我们摒弃了通用消息队列如Kafka的宽松模式定义了强Schema约束的二进制协议。核心字段如下字段名类型长度说明示例versionuint81B协议版本0x01event_iduint648B全局唯一事件ID雪花算法9223372036854775808timestampint648BUTC微秒时间戳1717023456123456entity_idstring≤32B实体ID摄像头ID/AGV编号/人员RFIDCAM-07-Aevent_typeenum2B预定义事件类型共64种0x0A (ENTER_RESTRICTED_ZONE)confidencefloat324B置信度0.0~1.00.923spatial_contextstruct24B三维坐标(x,y,z)参考系ID{x:12.34,y:-5.67,z:1.23,ref:MAP_001}evidence_listarray变长证据数组每个证据≤128B[{type:access_log,value:20240529142301},{type:pose,value:hand_near_door}]关键设计点强制版本控制version字段确保旧客户端能识别新协议避免解析崩溃。事件ID全局唯一解决分布式系统中事件溯源难题审计时可精准定位。空间上下文硬编码spatial_context必须包含参考系ID如MAP_001防止多地图混用。证据列表长度限制单个证据≤128B总长度≤1KB防止单条消息过大阻塞队列。我们在某数据中心部署时曾因某厂商摄像头固件BUG发送了超长evidence_list5KB导致Kafka分区积压。VLESA框架层内置了协议熔断器当单条SES超过2KB自动丢弃并上报PROTOCOL_VIOLATION告警保障主流程不中断。4. 实战部署全流程与关键参数配置4.1 部署前准备一张表看清所有依赖与资源VLESA不是开箱即用的盒子它需要与现有系统深度咬合。以下是某中型制造企业5000㎡厂房42路摄像头12台PLC的部署依赖清单经我们12个项目验证可直接抄作业类别组件版本/规格数量备注基础设施边缘服务器NVIDIA Jetson AGX Orin (32GB)2台主备冗余单台负载≤60%私有云节点华为云Stack 5.1CPU 32核/内存128GB3台K8s集群部署SES Broker与Rule EngineUWB基站Decawave DWM1001-DEV4台厂房四角安装高度3.5m视频接入摄像头海康DS-2CD3T47G2-L带AI芯片42路必须支持ONVIF Profile S固件≥V5.6.5NVR海康DS-9664NI-I162台用于存储原始视频VLESA只取流不存工业设备PLC西门子S7-1200/150012台需开放S7协议端口102并配置读取权限门禁控制器达实AC-30008台支持TCP/IP通讯提供SDK软件依赖操作系统Ubuntu 22.04 LTS全栈内核参数已优化net.core.somaxconn65535数据库TimescaleDB 2.101实例专用于存储SES时序数据压缩率85%消息队列Apache Pulsar 3.11集群替代Kafka支持分层存储降低磁盘压力实操心得UWB基站安装高度是成败关键。我们测试过2.5m、3.0m、3.5m三种高度3.5m时对叉车金属车身的多径干扰最小定位抖动8cm。低于3.0m时叉车经过会导致基站信号丢失超200ms引发位姿跳变。4.2 核心配置详解5个必调参数与它们的物理意义VLESA的配置文件vlesa-config.yaml看似简单但5个核心参数直接决定系统“聪明”还是“智障”。以下是我们的调参手册spatial_tolerance: 0.8单位米这是“空间上下文验证”的宽容度。当VLESA从摄像头检测到人体并反算其在三维地图中的坐标P1后会查询该坐标附近1.5米内是否有门禁刷卡记录。若最近刷卡点P2与P1的距离≤spatial_tolerance则认为“人与卡匹配”。值设太小如0.3会因标定误差误判太大如1.5则失去验证意义。推荐值0.8覆盖95%的标定误差分布且能容忍人员刷卡后缓步走向目标区域的合理位移。intent_confidence_threshold: 0.85意图决策的置信度阈值。只有当最高意图假设的置信度≥此值才触发告警。注意这不是越接近1越好。我们分析2000条真实告警发现置信度在0.85-0.92区间时准确率最高92.7%0.95时漏报率陡增17%。因为高置信度往往意味着证据链过于“完美”而现实总有噪声。推荐值0.85平衡准召。evidence_decay_hours: 2证据衰减时间。VLESA的证据列表不是静态的每条证据都有时效性。例如“门禁刷卡”证据2小时后自动失效type: access_log而“工单有效期”可能长达8小时type: work_order。此参数设为2意味着所有未指定valid_until的证据默认2小时后权重归零。必须与客户业务节奏匹配医院手术室场景应设为0.530分钟而仓库盘点场景可设为24。video_stream_fps: 8视频流处理帧率。不是越高越好VLESA的MobileViT-S模型在8fps下关键点检测mAP0.5达78.3%而15fps时仅提升1.2%但GPU功耗增加40%。更重要的是8fps足够捕捉绝大多数安全相关动作跌倒约0.8秒攀爬约2.3秒。强制锁定8fps避免客户私自调高导致边缘服务器过热宕机。rule_engine_reload_interval: 300单位秒规则引擎热加载间隔。Drools规则包.drl文件修改后VLESA每5分钟300秒自动检查并加载新版本无需重启服务。这是客户自主调整安全策略的关键。严禁设为0实时加载会引发规则编译竞争也严禁60010分钟策略更新延迟过高。5分钟是实测最优平衡点。4.3 从零到上线72小时极速部署路线图我们为VLESA制定了标准化的“72小时上线”流程已成功应用于14个客户现场。以下是某食品厂的实录Day1 上午0-4小时空间建模与设备注册无人机完成全厂扫描1.5小时→ 生成初始点云地图0.5小时→ 在8个关键点粘贴二维码靶标0.5小时→ 用标定APP完成42路摄像头外参标定1.5小时。关键成果生成factory_map_v1.pcd和camera_calib.json空间误差1.2cm。Day1 下午4-12小时协议对接与数据注入配置海康NVR的ONVIF流地址2小时→ 部署S7协议适配器读取12台PLC的设备状态寄存器3小时→ 对接达实门禁SDK获取刷卡日志2小时→ 启动SES Broker验证首条事件流1小时。关键成果vlesa-ses-topic中出现{event_type:1,entity_id:CAM-01,spatial_context:{x:5.2,y:-3.1}}。Day2 全天12-36小时意图规则配置与沙盒测试安全专家梳理出该厂6类高危场景如“杀菌间未穿防护服进入”“灌装线运行中开防护门”编写Drools规则4小时→ 在沙盒环境模拟10路摄像头PLC数据运行24小时压力测试12小时→ 调整spatial_tolerance和intent_confidence_threshold参数2小时→ 输出《规则验证报告》2小时。关键成果6类场景误报率3%漏报率0%。Day3 上午36-48小时灰度上线与监控将VLESA接入生产环境5路摄像头覆盖高危区域→ 启动实时监控大屏展示SES事件流与意图决策链 → 运维团队现场跟班2小时记录所有告警并验证。关键成果首条真实告警“灌装线B区防护门开启时设备仍在运行”被精准捕获决策链清晰显示3条证据来源。Day3 下午48-72小时全量切换与知识转移切换剩余37路摄像头 → 更新所有告警策略至生产规则引擎 → 向客户交付《VLESA运维手册》含50个常见问题QA→ 完成2小时管理员培训。关键成果系统正式接管全厂安全监控传统AI系统下线。踩过的坑某客户坚持用自有Wi-Fi网络传输UWB数据导致基站间同步误差50ms位姿漂移超3米。我们强制要求UWB网络必须独立布设光纤或使用工业级PoE交换机带IEEE 1588v2时钟同步。这是合同中的红线条款。5. 常见问题排查与独家避坑指南5.1 误报率突然飙升先查这3个隐藏指标VLESA上线后客户最常问“昨天还好好的今天误报多了10倍” 经验告诉我们90%的此类问题与以下三个隐藏指标相关而非模型本身camera_fov_drift_percent摄像头视场漂移率摄像头长期运行后因温度变化、震动其外参尤其是俯仰角会发生微小偏移。VLESA后台持续计算每路摄像头的“视场漂移率”即当前标定的FOV与初始FOV的重叠度。当该值92%时系统自动标记为“需复标定”。我们在某钢铁厂遇到过夏季高温导致屋顶摄像头支架热胀俯仰角偏移1.8°使原本覆盖地面的视野抬高了0.5米导致大量“人员跌倒”误报实际是人蹲下。解决方案后台一键触发“快速复标定”用标定APP重走3米直线5分钟修复。plc_data_stale_secondsPLC数据陈旧秒数VLESA依赖PLC的设备状态如“灌装泵运行中”作为意图证据。若PLC通讯中断或扫描周期设置过长如500msVLESA会持续使用过期状态导致证据链错误。框架层监控该指标当3秒时自动将该PLC状态置为UNKNOWN并降权相关意图假设。排查命令vlesa-cli status --component plc-07 --detail查看last_update_time与当前时间差。uwb_sync_jitter_msUWB同步抖动UWB基站间的时间同步精度直接决定定位精度。VLESA每10秒测量各基站时钟偏差若抖动15ns对应定位误差4.5cm则触发告警。常见原因基站电源纹波过大、无线干扰2.4GHz Wi-Fi、基站间光纤链路衰减3dB。实测工具用uwb-diag-tool连接基站运行sync_test -d 60观察抖动曲线。提示所有这些指标VLESA都已集成到Grafana监控面板中无需登录服务器。客户管理员只需看“健康度仪表盘”红色即表示需干预。5.2 意图决策“卡住”不更新90%是证据链断裂客户反馈“检测到人了但意图一直是‘未知’不变成‘检修’或‘闯入’。” 这通常是证据链缺失。VLESA的意图引擎要求至少2类不同源的证据才能激活假设。例如要确认“检修”需同时有① 视觉证据手持工具 ② 业务证据工单系统存在对应工单 ③ 空间证据在设备1米内。排查步骤查SES原始事件用vlesa-cli stream --topic vlesa-ses --limit 10找到该事件的event_id。查证据详情vlesa-cli event --id event_id --evidence输出所有收集到的证据。对照规则打开rules/inspection.drl找到对应场景的when条件。例如$p: Person() from entry.getPerson(); $w: WorkOrder(status active) from entry.getWorkOrders(); $d: Device(distanceTo($p) 1.0)。若输出中缺少WorkOrder或Device即证据链断裂。定位断点检查工单系统API是否返回空或检查设备距离计算——是否因点云地图未更新导致distanceTo函数返回无穷大。独家技巧我们在规则中加入了“兜底证据”机制。当核心证据缺失时引擎会尝试用低置信度证据替代。例如无工单时若该人员在过去24小时内有3次同类设备操作记录则视为“隐性工单”置信度设为0.6。这需要在vlesa-config.yaml中开启enable_heuristic_evidence: true。5.3 性能瓶颈诊断从CPU飙升到内存泄漏的逐层剥茧VLESA在Jetson Orin上CPU持续90%怎么办我们有一套标准化的“五层诊断法”Layer 1网络IOiftop -P 6650SES Broker端口看是否有单路摄像头流异常20MB/s可能是摄像头固件BUG导致重复发流。Layer 2视频解码nvidia-smi dmon -s u -d 1观察dec解码单元占用。若95%说明解码器过载。解决方案在摄像头端启用H.265 High Profile或降低video_stream_fps至6。Layer 3模型推理tegrastats看GR3DGPU渲染占用。若90%说明MobileViT-S模型计算饱和。解决方案改用更小的MobileViT-XS模型精度降2.1%速度升35%。Layer 4规则引擎jstat -gc pid看G1OldGen使用率。若持续85%说明Drools规则过多或循环引用。解决方案用vlesa-cli rule --list --complexity找出复杂度500的规则并拆分。Layer 5内存泄漏若RES内存持续增长用valgrind --toolmemcheck --leak-checkfull ./vlesa-core运行核心进程。我们曾发现UWB适配器中一个未释放的std::vector导致每小时泄漏12MB。修复补丁已集成在v1.3.2版本中。最后提醒所有诊断命令我们都封装成了vlesa-diag一键脚本。客户只需运行vlesa-diag --full3分钟内输出完整报告连问题根因都标红提示。6. 与主流框架的协同策略VLESA不是替代者而是赋能者6.1 如何与RuoYi框架无缝集成用好它的“安全中间件”特性RuoYi是国产Java快速开发框架其核心优势在于成熟的权限管理Shiro/Spring Security和低代码表单。VLESA与之集成绝不是“把VLESA塞进RuoYi”而是让RuoYi成为VLESA的“业务策略中枢”。具体做法权限策略下沉RuoYi的sys_role_menu表中为每个角色如“安全主管”“产线班长”配置vlesa_policy_id字段。当VLESA检测到某事件时不直接告警而是调用RuoYi的/api/vlesa/policy?rolesupervisor接口获取该角色对该事件的处置策略如“仅通知”“强制停机”“生成工单”。工单自动创建VLESA的意图引擎一旦确认“设备故障”自动调用RuoYi的/api/monitor/workorder接口携带预填参数{title: 空压机A异常振动, content: VLESA检测到振动幅度超阈值3.2倍证据链见附件, assignee: maintenance_team}。RuoYi负责后续审批流。大屏数据源RuoYi的Vue前端通过WebSocket订阅VLESA的/vlesa/events/stream实时渲染安全态势图。无需改造RuoYi后端仅前端引入vlesa-sdk-js。实测效果某国企用此方案将VLESA告警到生成工单的时间从传统方式的47分钟缩短至23秒。RuoYi没变只是VLESA让它“长出了安全的眼睛”。6.2 Playwright与Selenium不是用来测试VLESA而是测试它的“人类交互”能力Playwright和Selenium常被用于UI自动化测试但VLESA的测试难点在于如何验证一个“意图感知”系统是否真的理解了人类行为我们的创新用法是用Playwright模拟“人类操作员”的视角对VLESA进行对抗性测试。场景构建用Playwright启动Chrome加载VLESA的3D可视化大屏WebGL渲染执行一系列预设动作page.click(#door-A); await page.waitForTimeout(2000); page.click(#button-emergency-stop);。预期验证VLESA应检测到“人员靠近A门”→“按下急停按钮”并推理出意图“紧急停机”。测试脚本不检查UI元素而是调用vlesa-cli event --latest --filter intentEMERGENCY_STOP验证事件是否存在、置信度0.85。边界测试用Playwright制造模糊场景如page.hover(#conveyor-belt); await page.type(#input-box, test);模拟操作员在传送带旁输入数据。VLESA应识别为“正常作业”而非“违规靠近”。若误判立即失败。这种测试比传统“点击按钮看弹窗”深刻得多。它在测试VLESA的“常识推理”能力。我们已将127个Playwright测试用例开源在GitHub欢迎复用。6.3 PyTorch与SpringBoot选择权交给开发者VLESA只提供“模型插槽”VLESA框架层不绑定任何深度学习框架。它定义了清晰的模型插槽Model Slot接口class IntentModel: def __init__(self, config_path: str): # 加载配置不关心框架 def preprocess(self, raw_input: dict) - torch.Tensor: # 输入预处理返回Py