CleanLoop 商业清洁闭环 | 可调度、可验收、会改进的清洁运营塔台

01 · Problem

商业清洁最大痛点不是没有机器拖地，而是现场发生了什么没人看得见。

设施负责人和保洁承包商每天面对的是排班难、流动率高、夜间监督弱、SLA 难证明、手工检查表滞后，以及机器人厂商后台和保洁工单割裂。

哪里脏

入口、卫生间、餐饮区、货架通道、停车场和事故点的需求变化快。

谁去清

机器人能做大面积地面，保洁员处理边角、垃圾、补给、异常和客户投诉。

是否清完

客户续约、SLA 争议和财务 review 需要覆盖面积、时间戳、照片和签核。

怎么改进

堵路、缺水、低电、漏扫和人工接管如果不进入数据，下次还会发生。

02 · Why Now

清洁机器人已被采购，下一步是纳入运营。

2026 年的市场问题不是“机器人会不会走路线”，而是如何少人值守、少部署工程师、少日常维护，并把清洁结果交给客户和财务。

351,300 BLS 预计 2024-2034 年美国 janitors/building cleaners 每年岗位空缺。

$112B CMM / IBISWorld 对 2026 年美国 janitorial services 市场规模的预测量级。

23M+ Brain Corp 公布其清洁机器人累计自主运行小时数。

10,000 Tennant 2025 年售出的第 10,000 台机器人洗地机，证明采购成熟。

03 · Insight

清洁从固定路线，变成按真实使用量触发的服务。

客户不是为“机器人跑了一圈”续费，而是为少漏扫、少投诉、少返工、少夜班盯人和可审计 proof-of-service 续费。

Demand

人流、投诉、传感器、工单、时间段和风险点生成 Clean Priority Map。

Execution

机器人负责重复地面覆盖，人负责细节、补给、异常和客户感知。

Evidence

路线、覆盖、跳过区域、照片、接管、耗材和 SLA 自动组成证据包。

04 · Solution

CleanLoop 是商业清洁的人机运营闭环。

它把楼层图、SLA、机器人、保洁员、传感器、工单、异常和客户报告统一成一张清洁塔台。主管不再追 20 个群消息，只看异常队列和证据报告。

Clean Priority Map：按人流、投诉、风险、区域和合同生成任务优先级。
Robot/Human Dispatch：机器人做地面覆盖，保洁员处理细节、补给和异常。
Proof Pack：覆盖热力图、跳过区域、照片、时间戳、签核和 SLA 结论。
LeRobot HIL：堵路、湿滑牌、线缆、拥挤和漏扫进入训练队列。

商业清洁塔台，清洁机器人在公共空间路线清扫，保洁员处理污渍，仪表盘显示热力图、任务队列、覆盖证据和报告

05 · Product Workflow

一个清洁需求，从热力图红点到 proof pack。

第一版 demo 不需要完整商场，只要楼层图、路线、污渍点、机器人模拟和保洁员接管，就能展示商业闭环。

Sense

人流、投诉、相机/传感器或巡检把入口、卫生间、通道变成高优先级区域。

Dispatch

CleanLoop 派机器人清地面，派保洁员处理边角、垃圾、污渍和客户投诉。

Execute

Qualcomm edge 在现场识别障碍、污渍、湿滑牌、人群和漏扫。

Verify

覆盖轨迹、跳过区域、照片、耗材、签核和时间戳组成清洁证据。

Improve

人工接管和失败片段进入 LeRobot dataset，下一班次和 edge 模型更准。

06 · Market Wedge

先打大面积硬地面和高投诉公共空间。

CleanLoop 的首单应选择能捕捉 labor redeployment 和 proof-of-service 价值的场地，而不是普通小办公室。

机场 / 地铁

高人流、突发污染、湿滑风险、夜间运行和可追溯清洁记录。

商场 / 零售

入口、餐饮区、卫生间、货架通道和客户投诉驱动动态清洁。

仓库 / 制造园区

大面积硬地面、夜班、叉车/AMR 通道、安全审计和重复路线。

医院非临床区

低噪、避人、隐私、清洁频率和审计证据要求高。

高校 / 园区

多楼、多班次、多外包团队，需要统一服务标准和报告。

BSC / IFM

用机器人证据包赢固定价格合同、续约和服务质量争议。

07 · Business Model

按站点、机器人运营、证据报告和可验证结果收费。

CleanLoop 不按普通软件座席收费，而是锚定少一个重复地面清洁 FTE、少返工、少投诉和服务合同续约。

付费试点

海外 10k-25k 美元；中国 10-40 万元，8-12 周验证 coverage、接管和 proof。

Site SaaS

1.5k-3k 美元 / site / month，覆盖地图、工单、证据、报告和集成。

Robot Ops

1k-3k 美元 / robot / month，客户已有或租赁机器人时收运营层费用。

All-In RaaS

机器人、维护、软件、报告和训练打包；中国版支持低门槛租赁生态。

08 · Go-To-Market

先赢一个夜班清洁流程，再变成设施级运营层。

试点必须让设施负责人、财务或客户合同经理看到结果，而不是只让机器人运营员看到地图。

First Site

50k+ sq ft、每周 5 晚重复清洁、可调整 staffing 或外包合同的硬地面场地。

First Workflow

一条机器人地面路线 + 一个保洁员异常队列 + 一个主管证据 dashboard。

Expansion

入口、卫生间、餐饮区、仓库通道、停车场、多楼层和多品牌机器人。

Channels

机器人 OEM、BSC/IFM 服务商、CMMS/IFM suite 和 Qualcomm edge 生态。

09 · Competition

他们自动化一台设备，我们闭环一项服务。

CleanLoop 不替代清洁机器人厂商，也不替代保洁软件。它把多品牌机器人、人工工单、现场证据和训练数据接起来。

Brain / Tennant

单机成熟、渠道强、规模大；CleanLoop 做跨品牌任务、证据和客户报告层。

Pudu / Gausium

产品线和部署强；CleanLoop 统一多品牌 fleet 和人机交接。

ECOVACS / LionsBot

清洁机器人竞争加速；CleanLoop 把设备结果变成设施服务报告。

Kärcher / Nilfisk

传统设备渠道强；CleanLoop 提供 facility-level ROI 和 HIL 数据层。

Mero / Swept / TEAM

保洁运营软件强；CleanLoop 原生连接机器人、edge perception 和训练闭环。

ServiceNow / Maximo

工单和资产强；CleanLoop 做实时清洁执行层和 proof layer。

10 · Moat

壁垒是 site semantic map + proof pack + HIL data。

每个站点都会沉淀自己的高风险区、堵点、投诉点、覆盖记录、接管策略、客户报告和模型 profile。

Site Semantics

高风险区、堵点、投诉点、湿滑点、频率、班次和人工接管历史。

Coverage Data

路线、覆盖足迹、跳过区域、耗材、缺水、低电和堵塞原因。

Proof Network

before/after、客户报告模板、SLA 争议记录和合同续约证据。

Integrations

机器人 adapters、CMMS、BMS、门禁、电梯、保洁软件和报告系统。

Privacy Playbook

视频最小化、模糊化、保留周期、本地数据平面和审计策略。

Edge Profiles

LeRobot HIL 数据集、Qualcomm edge profiles、部署 recipe 和 rollback。

11 · Product Architecture

Scheduler、Facility Map、Robot Edge、Privacy Perception、Learning Loop。

架构目标很简单：需求进来，任务派出去，现场可执行，结果可验收，失败能学习。

Scheduler

Work-order app / CMMS / IFM suite -> CleanTask、ExceptionTask、ProofPack。

Facility Map

CAD、floor plan、robot map、cleaning zone、no-go zone、elevator、door、water station。

Robot Edge

RGB/depth、LiDAR、IMU、ROS 2、Nav2、coverage planner、cleaning controller。

Privacy

端侧识别人/障碍/污渍/湿滑牌/线缆/漏扫，默认上传事件和 heatmap。

Learning

HIL episode -> 中国/海外云训练 -> AI Hub/QNN/QAIRT -> edge OTA。

12 · Competition Demo

不是机器人跑一圈，而是一份客户可读的清洁证据包。

演示重点是主管如何少看 20 个群消息，只看一个异常队列和一份 proof report。

Hotspot

晚高峰后，商场入口热力图变红，生成 `clean_lobby` 任务。

Robot

清洁机器人执行地面覆盖，dashboard 显示覆盖轨迹和剩余区域。

Handoff

通道被障碍物挡住，机器人请求人工接管。

Proof

保洁员处理污渍并上传 before/after，系统生成 SLA proof pack。

Train

接管片段导出为 LeRobot episode，展示下一轮训练和 edge profile。

13 · Why Qualcomm

公共空间清洁需要端侧 AI，而不是把视频全量上云。

商业清洁场景天然有隐私、弱网、低延迟、多传感器和长生命周期要求。Qualcomm 的价值是现场执行和可部署证据链。

Edge Vision

障碍、污渍、湿滑牌、人群、漏扫和低置信度事件在现场判断。

Connectivity

Wi-Fi 6E / private 5G、弱网缓存、电梯/门禁/BMS 对接。

Runtime

AI Hub、QNN、QAIRT、ONNX Runtime QNN EP 形成可 profile、可回滚 artifact。

Hardware Path

RB3 Gen 2 做原型，RB6 / Dragonwing IQ10 做多摄像头生产路线。

LeRobot HIL

保洁员接管和场地异常成为下一轮机器人恢复能力。

14 · Ask

把 CleanLoop 做成 Qualcomm 公共空间 edge AI 的可复制样板。

比赛阶段需要一个能从需求、派单、执行、接管、证据到训练的端到端 demo。

Dev Kit

RB3 Gen 2 / RB6 + Vision Kit 或等价 Qualcomm edge dev kit。

Partner

一个清洁机器人 OEM、BSC/IFM 服务商或物业/园区试点伙伴。

Data

一个真实楼层图、2 周匿名清洁运营数据和 mock CMMS/work-order API。

CleanLoop 的一句话 pitch：物业和保洁服务商用它把人流、任务、机器人、人工接管和清洁证据连成一条可验收、可续费、可训练的商业清洁闭环。

清洁机器人不是终点，清洁证据才是客户续费的产品。