最近和几个同学做了一个叫「熊导游」（TravelBear）的项目：一台树莓派 4B 上的 AI 景区导览设备。按一下按键，摄像头拍下眼前的展品，定位模块告诉它你在哪，云端大模型生成一段讲解，然后用语音播报出来。

整个流程听起来简单，真要把每一环都做实，还是踩了不少坑。项目开源在 GitHub，这里记录几个最有意思的技术决策。

整体架构

设备端五个模块：定位、识图、LLM、TTS、按键状态机。主程序用有限状态机控制状态流转，trigger() 是按键入口，支持打断——讲解员讲到一半再按一下就能换题。

• 识图：Qwen-VL-Max，置信度低于 0.05 的画面直接丢弃，不让模型瞎编
• LLM：阿里云 qwen-plus，实测 2.4 秒生成 127 字讲解，语速刚好
• TTS：小米 MiMo，云端兜底，实测尾音完整
• ASR：本来想做语音问答，冻结了——设备定位是「一按一讲」，先把核心体验做扎实

最难的问题：展厅里 GPS 不可信

室外定位用的是 NEO-M8N GPS 模块，本地围栏两档判定（景区级宽松、点位级严格），未命中再走高德在线反解兜底。这套方案在室外工作得很好——实测 9 星、HDOP 2.87，准确命中「上海大学（宝山校区）」。

但展厅里完全是另一回事：GPS 会漏进弱 fix，漂移几十米，青铜器和陶瓷的讲解能讲串。

我们的解法是给每个展位布一个 ESP32-C3 的 iBeacon 蓝牙信标，树莓派板载蓝牙扫描 RSSI，中值滤波加阈值过滤后映射到展位。关键是仲裁策略：

BLE 信标新鲜命中无条件最高优先——信标固定在展位的米级物理证据前，GPS（包括点位级）不插嘴；信标信号消失 10 秒后才落回 GPS。

这个策略有 9 条行为测试锁死（test_ble_priority.py），消除了展厅内 GPS 漏入导致的讲解串味。

状态

截至 2026-09-28，硬件全链路已经实测闭环：GNSS 室外定位、BLE 室内定位、识图、LLM、TTS、按键热键、服务锁、打断全部通过真实验收。剩下的是现场工作：信标进馆布点、阈值标定和供电方案。

从「按一下键」到「听见讲解」，全链路延迟压在可接受范围内——对一个靠电池和 4G 跑的设备来说，每一毫秒的云端往返都是省出来的。