مهدی سرفرازیمدیر محصول فنی برای محصولات هوش مصنوعی و نرم‌افزارهای مهندسی
برای مهندس‌ها محصول هوش مصنوعی می‌سازم. کار را با کشف نیاز مشتری و تعیین محدوده MVP شروع می‌کنم و بعد در تحویل و اعتبارسنجی کنار تیم‌های مهندسی، طراحی و QA هستم.
پیش از ورود به مدیریت محصول، مهندس رباتیک و کنترل بودم و با ROS2، کنترل بلادرنگ تعبیه‌شده، شبیه‌سازی و یادگیری تقویتی کار می‌کردم.
کار محصول به شکل یک حلقه کنترلی: هر نسخه با نیاز سنجیده و بعد اصلاح می‌شود.
آنچه انجام داده‌ام
نقش فعلی
یک پلتفرم طراحی کنترل مبتنی بر هوش مصنوعی را از ایده به MVP اعتبارسنجی‌شده رساندم
مدیر محصول فنی یک استارتاپ هوش مصنوعی عامل‌محور هستم (نام محفوظ). کشف نیاز و نیازمندی‌ها را هدایت کردم و در تحویل با تیمی از هفت مهندس کار کردم. MVP دو چرخه اثبات مفهوم را گذراند و از دروازه آمادگی داخلی عبور کرد. برنامه ورود به بازار برای مرحله بعد را هم من نوشتم.
ViGenX: ویرایشگر ویدئوی هوش مصنوعی که پیش از اجرا قابل بررسی است
ViGenX را تعریف کردم و ساختم؛ یک ویرایشگر ویدئوی متن‌باز. شرح ساده یک ویرایش را به جریان کاری‌ای تبدیل می‌کند که می‌توانید بررسی و اصلاحش کنید، و تا تأیید نکنید رندر نمی‌کند. MVP اول را در دهمین استارتاپ کمپ دیجی‌نکست ارائه کردم. نسخه فعلی پیش از ۱.۰ است.
پژوهش رباتیک و کنترل، در شبیه‌سازی و روی سخت‌افزار
نویسنده اول یک کنترل‌کننده بلادرنگ ROS2 برای اگزوسکلتون زانو هستم (پیش‌انتشار) و در پژوهش یادگیری تقویتی برای ناوبری ربات چهارپا هم‌نویسنده بودم (ICRoM 2025).
چهار عادت کاری که به آن‌ها تکیه می‌کنم، هرکدام با نمونه‌ای از کار خودم.
1
کشف و صورت‌بندی مسئله
از شیوه واقعی کار مهندس شروع می‌کنم. در پروژه اگزوسکلتون همین کار نیاز اصلی را روشن کرد: کمکی که آن‌قدر بزرگ باشد که زحمت پوشیدن خود دستگاه را جبران کند.
در آزمایش اگزوسکلتون، دستگاه با موتور خاموش هم آزموده شد. پوشیدنش در این حالت تلاش عضلانی را بیشتر کرد، پس کنترل‌کننده باید اول بار خود دستگاه را جبران می‌کرد تا بتواند کمکی بکند.
