Dreame APP 4.0 产品与体验探索
以空间和任务为核心，重构扫地机器人的控制与智能服务体验。
Dreame APP 4.0 面向下一代扫地机器人软件体验。项目基于用户任务、产品能力与品牌特征，重新组织首页、地图、清洁设置、消息和报告，降低操作成本，并让机器人的感知、判断与执行结果清楚可见。
- 角色
- UX 设计负责人
- 范围
- 产品规划 · UX · UI
- 领域
- AI · ROBOTICS · SMART HOME
- 阶段
- 概念设计
3.0 的问题不是功能不足，而是复杂能力缺少清晰的组织方式。
高频操作与重要信息缺少稳定位置，用户需要反复寻找。
清洁模式、目标房间与参数设置分布在多个页面，增加理解和确认成本。
任务状态、清洁设置与基站控制相互交叠，关键操作不够突出。
环境识别、策略调整与清洁结果缺少连续、可验证的反馈。
沿完整清洁旅程识别上手成本、设置决策、过程理解、异常恢复与结果价值中的关键断点，并据此确定体验重构的优先级。
以“空间—任务—反馈”三层框架，组织复杂的机器人能力。
空间层：建立统一的家庭模型
用 One Map 统一房间、家具、禁区、环境变化与设备位置，为所有任务提供共同空间基础。
任务层：围绕目标组织操作
先明确清洁目标和范围，再按需展开模式与参数，避免让用户从设备设置开始思考。
反馈层：解释过程与结果
统一任务状态、异常、策略变化和清洁结果，让用户随时知道发生了什么、为什么，以及能做什么。
围绕空间操作、任务设置、智能建议、状态反馈与异常恢复，将体验问题转化为具体的设计方案。
把体验原则转化为可以落实、可以取舍的设计判断。
任务优先，参数后置
首页优先支持高频任务启动；复杂参数在用户需要调整时再展开，减少首次决策负担。
状态集中，消息分级
任务状态保持连续可见；异常、待办和一般告知按影响程度进入不同层级。
建议可解释，也可调整
系统说明建议依据和影响范围，并把确认权留给用户，避免智能能力成为黑盒。
四个关键落点，验证框架能否贯穿任务的开始、执行与完成。
首页同时保留即时清洁与场景建议：高频任务一步启动，复杂参数按需展开。
首页：从设备入口转向任务入口
即时清洁与情境化建议并列呈现，高频任务一步启动，参数按需展开。
地图：从清洁工具转向空间模型
统一房间、家具、禁区、脏污和设备位置，并通过吸附与尺寸反馈提高编辑准确性。
过程：建立连续的状态与消息体系
将实时状态、过程事件、异常和待办分层呈现，避免状态栏、通知和消息列表重复表达。
完成：用结果解释任务价值
以覆盖范围、清洁变化、问题记录和节省时间完成反馈闭环，并支持后续任务调整。
将硬件的形态、材质与光感，转化为一致的软件设计语言。
提取圆角体块、精密线条、哑光材质和柔和光感，建立软件与硬件一致的视觉特征。
通过五组视觉方向，验证光感、秩序、材质和色彩的组合边界。
Lumina 光感智能、Vitalize 轻感秩序、Halo 微光智隐、Soft Light 柔光美学与 Dawn Whisper 晨曦微澜，从光、秩序、材质和色彩验证不同的品牌表达。
以光为语言，让设备状态被自然感知。
用暖金、留白与圆润形态建立轻感秩序。
低侵入的微光与环形结构，让智能在需要时显现。
用低饱和暖调和漫射光消解智能硬件的冰冷感。
以晨曦般的淡蓝、暖黄与淡粉表达从容生活。
从多方向探索中，收敛出统一、可扩展的界面体系。
最终方向以温暖中性色、清晰层级和克制的金色强调统一首页、地图、清洁设置与设备设置，并为更多设备和任务保留扩展空间。
统一主要界面的视觉与操作层级
将确定的色彩、卡片和控件语言延展到设备页、清洁设置与地图编辑，保持地图主体、任务面板和辅助操作之间的层级。
One Map：同一结构下的地图表达
在一致的空间结构和任务入口下，探索经典、多彩、暖色、冷色及立体视角，比较房间区分与空间识别的表达方式。
地图编辑：围绕空间对象直接操作
将房间分割、家具调整和地面材质设置放回地图情境，通过底部工具面板与就地反馈连接选择、调整和确认。
地毯清洁：连接识别、修正与清洁设置
围绕地毯对象展开识别确认、范围编辑与个性化清洁，让用户在同一空间上下文中确认对象并调整清洁方式。
智能服务：从场景建议延展到结果反馈
用场景建议支持任务选择，以完成反馈、清洁记录和统计报告呈现执行结果，让任务前后的信息形成衔接。
设计成果不仅是一组界面，而是一套可复用的产品判断框架。
降低理解与操作成本
以任务为入口、以连续状态解释过程，并让智能建议可确认、可调整。
建立可扩展的体验骨架
One Map、任务层和反馈层能够承载更多设备、场景与 AI 能力，而不重新拆散信息架构。
统一跨团队判断依据
让产品、设计、算法、研发和硬件围绕同一套空间模型、任务逻辑与状态规则推进。
我负责问题定义、竞品与用户洞察、体验框架、设计方向和概念收敛，并与产品、研发、算法及硬件团队协同推进。本页面仅呈现可公开的方法与概念；设计价值为当前方案所建立的能力，仍需结合上线数据与真实用户研究持续验证。
让 AI 理解空间与任务，也让每一次判断保持可见、可控、可信。
下一阶段需要通过真实任务验证信息层级、建议触发时机和多设备协同，并持续校准主动服务与用户控制之间的边界。