01 概述
Zeus 是一个 AI agent,它帮助设计了一架重型起重无人机,采购了关键部件,并提供了组装说明。六天之内,这架无人机完成了首次载荷投送。
我们想测试的是一个 AI agent 能否质疑需求,并做出经得起审查的工程决策。它能否为供应商、制造商和其他工程师准备可用的说明?它能否帮助在故障于物理世界中发生之前就发现它们?
我们发现,在高度细致且耗时的工作负载中,Zeus 是一个强有力的贡献者。它完成了结构框架的手工计算和仿真(3.1、3.2)。它找到了零件,提供了供应商链接,并跟踪了订单(04)。它还编写了团队据以施工的 34 页接线手册(5.1)。飞行之后,团队根据同一份需求说明生成了 50 个无人机设计(2.1)。
它的局限在于工程判断和沟通。工程师仍然必须决定何时应当更改某项需求或规则。Zeus 能够追溯自己的计算,但它并不总是把关键假设带入施工说明中(06)。
1.1 设定
团队设定了一些边界条件:6 天时间、有限的材料预算、无限的 token 预算。该无人机按照 Part 107 作为小型无人驾驶航空器系统飞行,包含载荷在内重量低于 55 lb。
三名全职工程师参与了这次建造。团队拥有广泛的工程经验,但几乎没有建造无人机的经验。
1.2 项目设置
整个项目都放在一个中心化的 Zeus 项目中,共享 CAD 装配体、BOM、计算和其他文件。在项目内,工程师可以为不同任务启动会话。用户很快就开始把这些 agent 拟人化,称它们为“项目经理”或“制造工程师”。
每个项目、会话和知识库都在整个团队中共享,使新用户能够快速融入已有的上下文。
在使用之后,立刻就能明显看出,现有模型的能力极不均衡。它们尤其难以处理:
- 工程判断。理解某项规则或需求为何存在,以及何时采用不同的做法是合理的。
- 传达假设。确保计算背后的条件能传达到实际制造零件的人。
工作分为三类:
- 团队本来会跳过的工作。Zeus 用 38 分钟做出了一本 34 页的接线手册,每一根线缆的长度都从 CAD 中量取(5.1)。团队里没有人会手动画出它。
- 共同完成的工作。载荷舱与一名工程师一起经历了五次评审修改,耗时约两小时。
- 更广泛的探索。建造完成后,团队根据一份需求说明生成了 50 个无人机设计,每个都带有其 CAD、零件清单和计算。
02 设计
2.1 工程师现在可以通过在数十个设计之间做选择来进行原型设计
对 agent 来说,概念很廉价。团队使用相同的项目需求生成了 50 个无人机设计,并将每个设计引导向不同的布局,包括一架六旋翼、一架共轴八旋翼,以及一个由折叠钣金构成的框架。设计还可以遵循抽象约束,例如“做一架能折叠进汽车后备箱的四旋翼”。大多数设计在一到两小时内返回,每个都带有其 CAD、零件清单和计算。

2.2 工程师可以跟踪装配体中级联的接口变更
项目的很大一部分集中在协调各子系统之间的接口上。
团队考虑用更厚的打印支架替换机加工的铝制着陆支架,而这需要更长的夹紧螺栓。一次配合检查在 CAD 中发现,螺栓末端和系留环与载荷板相交。在一名工程师的指示下,Zeus 降低了载荷安装座,并重新运行了螺栓连接计算。
进行到第三天,我已经无法把整架无人机装进脑子里……但 Zeus 可以。建造负责人
文章标题:用 AI 在 6 天内造出一架人体大小的无人机
正文: 进入第三天,我已经没法把整架无人机都装在脑子里了……但 Zeus 可以。


2.3 Zeus 可以在已连接的 CAD 软件中直接编辑,但需要高度详细的指令
Zeus 连接到了团队的 Onshape 文档,用于检查零件并编辑装配体。工程师可以让它导入组件、更改其位置,并更新周围的硬件。Zeus 将更改保存在 Onshape 中供团队审阅。在这一周里,一位工程师的聊天就这样保存了 12 个装配体版本。
























11 月 1 日晚上 7:46。开始装配,rev E,使用简单的临时零件
然而,在没有具体指令、图表和注释的情况下,Zeus 在详细设计上表现得很吃力。它可能会忽略工程决策背后的更广泛意图,或者生成不必要地复杂的设计。
文章标题:用 AI 在 6 天内造出一架真人大小无人机
正文: 对于载荷舱更换,Zeus 将替换设计导入 Onshape,并从装配体移除了先前的舱体。它将新舱体上移 1.6 mm 以匹配修改后的安装板,更新了紧固件,并检查了间隙。随后它将更新后的装配体保存为新的 Onshape 版本。
另外,你能把载荷换成工程师 2 的设计吗?
它是在一块更旧的底板上构建的。他测量了一块 0.190 in 的板,其底面位于 z −29.8 mm。工程师 3 此后已将其改为 1/8 in,底面位于 −28.175 mm。
现在底板是 1/8 in 而非 0.190 in,所以舱体上移 1.6 mm,其顶部与板面齐平。
舱体形状本身未变。


03 分析与验证
3.1 智能体在拥有持续记录过往决策的情况下表现最佳
Zeus 在 5 次修订中维护了一份质量跟踪表。每一行都标明了其数字的来源:制造商规格、CAD、假设,或基于 Roark's 和 Shigley's 等教科书公式计算出的值。它将每项计算保存为一张卡片,包含输入、来源、假设和结果。
你能展示悬停电流消耗的所有计算吗?
3.2 缺乏仿真经验的工程师也能识别振动模态
当手工计算无法解决某个问题时,Zeus 使用其工具套件进行了有限元分析。它比较了粗网格和细网格,然后将结果与手工计算进行核对。在机臂上,这揭示了一个没人问过的问题。团队问的是机臂和起落架是否足够坚固。它们确实足够坚固,但机臂的基频(机臂会不受控振动的频率)落在了悬停时螺旋桨产生的频率范围内。
它拥有一个很棒的技术库,能够为工作选择正确的技术。它没有犯我经常犯的错误,比如边界条件设置错误、对问题理解有细微偏差,或者对如何分析某种情况完全一头雾水。构建负责人
它拥有一个很棒的技术库,能够为工作选择正确的技术。它没有犯我经常犯的错误,比如边界条件设置错误、对问题理解有细微偏差,或者对如何分析某种情况完全一头雾水。

我扣了 Zeus 的分,因为我发现它经常过度分析。我们会改动很小的东西,然后它就会检查所有可能的情况,包括那些没有实质性变化的情况。Zeus 也缺少我认识的许多优秀工程师所具有的那种“它会没事的”直觉。构建负责人
我扣了 Zeus 的分,因为我发现它经常过度分析。我们会改动很小的东西,然后它就会检查所有可能的情况,包括那些没有实质性变化的情况。Zeus 也缺少我认识的许多优秀工程师所具有的那种“它会没事的”直觉。
04 采购
4.1 Zeus 帮助团队购买并跟踪他们购买的零件
这项能力是 Zeus 最受喜爱的功能之一。Zeus 在整个构建过程中帮助采购零件。它告诉团队该买什么,提供供应商链接,并跟踪交付。团队成员可以查看聊天记录,了解已经购买了哪些零件以及何时到货,而无需互相询问。一名人类工程师在与 Zeus 协作的同时处理了几笔订单,包括水刀切割板。
文章标题:用 AI 在 6 天内造出一架人体大小的无人机
正文: 当某个零件无法及时到货时,Zeus 找到了替代方案。例如,Mauch 电流传感器必须从德国发货,无法及时送达。Zeus 将电流检测移到了电源板上,因为电源板内置了传感器。
这是 Zeus 迄今为止最强的能力。它能立刻找出所有必要零件,并且不会遗漏任何东西。Build lead
这是 Zeus 迄今为止最强的能力。它能立刻找出所有必要零件,并且不会遗漏任何东西。
5 个供应商购物车中的 36 个零件。列出的总计:$1,933.72。
Zeus 还标记了一笔可能重复的采购:团队已经订购了相同的 Remote ID 模块。
在旧金山哪里能买到
在再买一个之前:Engineer 3 已在 11 月 2 日从 Dronetag 订购了一个 Beacon gen.2。Dronetag 报价 3 到 5 天,所以大概今天或明天到货。你需要第二个,还是那个订单的物流单号就够了?
Remote ID 模块已订购
11 月 5 日至 7 日到期
Beacon gen.2
05 组装与测试
5.1 Zeus 没有手,但能为有手的人编写说明
Zeus 编写了团队打印出来并据以施工的作业说明。在台架测试之前,工程师们要求提供一份接线图,包含正确的长度、连接器和线夹。38 分钟内,Zeus 制作了一本小册子,其中每根导线的长度都从 CAD 中量取。这本册子包含整个系统的概览,以及每个步骤一页。它列出了零件、工具和切割长度,并附有编号说明以及继续下一步前必须通过的检查。
但 Zeus 还无法帮助进行物理组装。这只是时间问题。
Zeus 的文档质量令人难以置信。Zeus 制作了详细的图表,给出了透彻的解释,并记录了任何时候做出的每一项重要决策。Build lead
Zeus 的文档质量令人难以置信。Zeus 制作了详细的图表,给出了透彻的解释,并记录了任何时候做出的每一项重要决策。
5.2 Zeus 的上下文和随时可用使其成为强大的项目经理
Zeus 为整个团队维护一份决策日志、一份质量跟踪表和一份零件清单。这使得 Zeus 成为最快了解情况的方式。团队成员经常请 Zeus 阅读所有聊天记录并给他们一份状态更新。
同样的记录也让团队在现场保持一致。团队成员在台架前使用相同的打印表格工作。当有人加入建造的新部分时,他们会向 Zeus 询问那项工作的最新情况。
06 局限与不足
Zeus 的分析是这次建造的一大优势。它选择了有用的方法,检查了计算,并让结果可追溯。团队遇到的局限涉及工程判断,以及假设如何传达到制造零件的人。
6.1 工程判断
工程判断包括理解一条规则为何存在,以及何时偏离它是合理的。一项要求可能反映物理极限、制造约束,或一个已不再适用的选择。
Zeus 倾向于追求既定的要求,而不是质疑更简单的方法能否消除这些要求。工程师仍然必须做出那个判断。困难在于知道何时改变规则,以及如何证明这一改变合理。
6.2 传达假设
Zeus 可以通过其输入和决策追溯一个结果。但分析中的假设也需要传达到制造说明中。对于一个起落架支架,分析假设该零件为实心件,却没有向打印它的人明确说明需要 100% 填充。该支架以 10% 填充打印,很容易就断裂了。
这是分析与制造之间的沟通失败。所需的打印设置需要随零件一起传达。这个例子并不能说明 Zeus 无法检查其计算;它说明的是为什么建造说明需要与分析相同的假设。
6.3 审查与责任
文章标题:用 AI 在 6 天内造出一架人体大小的无人机
正文: 工程是机器的事;承担责任是人的事。智能体产出工作的速度,可能超过工程师审阅的速度。自主性越高,产出量就越大,理解这些产出所需的精力也越多。阅读并核对产出,可能比你自己动手做这件事花的时间更长。
这种审阅负担就是上下文疲劳。当决策、变更和假设难以跟上时,这种疲劳会加剧。在硬件领域,物理测试可能既慢又贵,而一个错误的假设可能影响到某人的安全。
这个共同项目之所以有帮助,在于它让计算、输入和决策都可供审阅。工程师设定需求、质疑结果,并决定要造什么。Zeus 贡献了分析并核对了工作。这些记录支撑了审阅,但工程师仍然必须决定哪些物理测试是必要的,以及是否继续推进。
07 未来的能力
这是一次由小团队完成的构建。它展示了在分析、采购和文档方面有用的贡献,同时也伴随着错误和大量的工程审阅。它并不能证明智能体可以独自完成一个硬件项目。
团队总结出两条实践,以最大化与 Zeus 协作的收益:
- 记录每一个决策。把设计背后的理由与设计放在一起:谁做的决定、对照什么做了核对、改动了什么。智能体只能基于它能读到的上下文来工作。与智能体共事的团队要在过程中留下这份记录。
- 使用不止一个模型。最聪明的模型并不总是合适的那个。一个人们愿意持续使用的快速、廉价模型,比一个人们避而不用、速度慢的模型更能教会一个团队。不同的模型擅长不同的工作。
Zeus 团队正围绕这两条实践打造产品。如果你正在做硬件,想在一个真实项目上试试 Zeus,可以预约一次通话。
08 致谢
特别感谢 Tessa Pugh 和 Emily Di Lauro 主导了主要构建工作。同样感谢 Thomas Godden、Andrew Chen 和 Alex Xiong 的帮助。
感谢 Jim Belosic 和 SendCutSend 团队在 Reno 承办了这次飞行。
感谢 Abtin Khayatian、Bob Cao、Stanley Shi 和 Pantheon 团队让我们使用他们的场地和 3D 打印件,并在整个构建过程中分享他们的智慧。
还要感谢 Chris Anderson、Aidan Cantu、Sanjay Dastoor、Ricardo de Arruda、Aeden Gasser、Otavio Good、James Ho、Donald Jewkes、Scott Langille、James Lin、Markus、Pavitar Saini、Aidan Smith、Steven Somiack、Matt Stokes、Clo Wang、Jackie Yi 和 Alpin Yukseloglu。团队的朋友们在无线电、飞行控制、结构和制造方面提供了建议。
在一个工程项目上试试 Zeus。
这架无人机从启动会议到首次飞行用了 6 天。带上你所在项目中的一个项目,Zeus 团队将向你展示智能体如何融入你团队的工作。
像 {{NAME_ab12cd34}} 这样写出的值是真实值的占位符。在回复和工具调用中都要完全按原样使用它们:它们会在任何东西运行之前被替换为真实值。不要要求核实它们,也不要用示例替换它们。