EdgeFleet | Qualcomm-first 机器人队列证据控制平面

01 · Problem

客户不买 demo 视频，客户买可运营、可回滚、可审计的机器人劳动。

机器人上线后，真正的问题是版本、现场、模型、传感器、远程协助、事故和训练回流是否能被追踪。如果回答不了这些问题，机器人就会停在 pilot，无法进入可续费生产部署。

风险 1

版本黑箱

技能、模型、QNN artifact、OS image、地图、相机和参数分散记录，现场没人能还原真实状态。

风险 2

更新失控

云端训练的新策略直接上线，缺少 shadow、canary、健康门、previous-known-good 和 rollback 证据。

风险 3

事故不可复盘

视频、ROS topic、MCAP、操作员动作、模型 hash 和设备状态没有被打包成可校验时间线。

风险 4

远程协助无边界

远程接管容易变成“人在公网开机器人”，没有 TTL、权限、速率限制、本体安全门和审计日志。

风险 5

现场经验不回流

失败片段、低置信度、人工接管和站点瓶颈没有进入下一轮 LeRobot 数据集与训练任务。

02 · Current Alternatives Fail

已有工具证明 RobOps 有预算，但还没有把模型发布、现场事故和训练回流闭起来。

EdgeFleet 不替代 Formant、Viam、Foxglove、InOrbit、Open-RMF 或 OEM 云平台。它站在这些系统旁边，记录谁获得变更、在什么安全条件下验证、何时回滚、保留什么证据。

Dashboard

看板不是发布治理

状态、地图和视频很重要，但不能回答新模型如何灰度、如何判定失败、如何回滚和如何进入下一轮训练。

IoT OTA

机器人不是普通 IoT 设备

机器人更新需要地图、传感器、任务队列、安全状态、人工覆盖、客户 SLA 和物理空间上下文。

OEM Cloud

品牌内强，跨品牌弱

OEM 云平台不空白，但客户常常有多品牌、多站点、多模型和跨区域数据边界。

Data Viewer

可视化不等于证据链

MCAP/Foxglove 能看数据；EdgeFleet 要把数据绑定 release、rollback、SLA、质保和训练候选。

Cloud Robotics

No cloud in the safety loop

云可以请求、审计、暂停和回滚；本体 safety controller、E-stop、STO 和现场风险评估不能被云替代。

Teleop

远程协助不是自由驾驶

每个命令都要短时、最小权限、可撤销、可审计，并受 robot/site/zone/mode/speed 限制。

03 · Solution

EdgeFleet 是 Robot progressive delivery 和 fleet evidence backbone。

它站在 SkillDock 之后，负责真实客户现场的 staged rollout、telemetry、remote assist、incident capsule、rollback 和 training feedback。

Register

注册 robot profile、Dragonwing/QCS/IQ target、OS image、ROS graph、sensor、actuator 和证书。

Release

绑定 LeRobot dataset、training run、model digest、AI Hub profile、QNN/QAIRT artifact 和 SkillCertKit gate。

Rollout

按站点、机型、任务、SLA 和风险级别做 shadow、canary、staged rollout、pause 和 rollback。

Operate

采集 autonomy、intervention、latency、thermal、battery、QoS、operator session 和 incident。

Learn

把失败片段、接管片段和现场标签回流到 TeleopStudio、TrainRouter 和下一版 LeRobot dataset。

EdgeFleet fleet evidence rollout and incident replay 控制台图

04 · Why Now

RaaS 改变了风险承担者，Robot SRE 变成刚需。

IFR 2025 显示机器人装机和服务机器人队列继续增长；RaaS/OEM/SI 承担 uptime、truck roll、质保和续费风险；Kubernetes、LaunchDarkly、AWS/Azure IoT 和 SRE 的 progressive delivery 纪律可以转译成 robot-native release gates。

542K IFR：2024 年全球工业机器人新增安装约 54.2 万台。

RaaS +31% IFR：专业服务机器人租赁/订阅队列增长，买家正在接受运营化采购。

SRE canary、error budget、golden signals、postmortem 可以迁移到机器人发布。

QNN 边缘 artifact、backend、latency、thermal 和 camera health 可以成为上线门禁。

05 · Product

最核心的产品不是看板，而是 incident-to-training evidence loop。

每台机器人运行 `edgefleet-agent` 作为旁路 evidence agent：不替代 autonomy stack，不绕过 safety controller，只采集、门禁、协助、回放和回流。

Progressive Release：model、map、config、QNN context、feature flag、rollback target 和 rollout ring。
Robot-native Gates：battery、localization、perception health、watchdog、E-stop、mission queue、operator coverage。
Remote Assist Boundary：identity、TTL、zone、mode、speed、command allowlist、customer approval 和 audit log。
Incident Capsule：MCAP、OTel、CloudEvents、redacted media、timeline、hashes、retention policy。
Replay Lab：incident review、regression test、TeleopStudio labeling、TrainRouter candidate、CloudTwin replay。

06 · Product API/Evidence

每个事故都要能回到发布对象、设备 profile 和训练数据。

EdgeFleet 使用三条开放格式证据通道：ROS 2/MCAP 记录机器人传感器和 topic；OpenTelemetry/OTLP 记录服务 traces/logs/metrics；CloudEvents 路由 incident lifecycle metadata。

Capture

Triggered evidence windows

`POST /v1/capture-campaigns` 设置 takeover、E-stop、planner no-path、camera stall、latency spike 等触发规则。

Timeline

Replayable incident capsule

`GET /v1/incidents/{id}/timeline` 合并 CloudEvents、OTel spans/logs 和 MCAP message timestamps。

Feedback

Review-to-training loop

`POST /v1/trainrouter/candidates` 只把已脱敏、已授权、已标注片段推进训练和评估队列。

Artifact	Purpose	Boundary
evidence.mcap	ROS topics、TF、diagnostics、commands、planner/safety events、redacted media。	MCAP 是容器，不自动带来隐私或合规。
otel_trace.otlp	agent、upload、teleop bridge、cloud replay、TrainRouter traces/logs/metrics。	OTel 相关性不等于物理 root cause。
incident_manifest.json	robot、site、skill、release digest、AI Hub job、QNN context、trigger、window。	CloudEvents 只携带 metadata，不放敏感视频。
redaction_report.json	人脸/车牌/客户 ID/位置字段处理、保留策略和访问范围。	redaction 不等于 anonymization。

07 · Market & Business Model

先卖 uptime、field-service margin 和质保证据，再扩成机器人劳动平台。

最佳早期买家不是泛泛企业，而是承担 SLA 风险的 RaaS operator、OEM、SI 和海外服务商。一次 truck roll、一次夜间清洁失败、一次医院配送中断、一次仓库集成延期，就是明确痛点。

Core

$30-$100/robot/month

monitoring、alerts、logs、OTA/version inventory、uptime reports，作为低价 telemetry wedge。

Ops

$200-$800/robot/month

incident triage、remote diagnostics、runbooks、service tickets、SLA dashboards、customer reports。

Enterprise

$1k-$5k/site/month

SSO、audit、data residency、private cloud/on-prem、WMS/MES/HIS/CMMS/ServiceNow integrations。

Risk Ledger

warranty / financing

利用率、位置、状态、维护、故障、质保争议、融资残值和保险 underwriting data。

08 · Competition & Moat

护城河来自现场证据，不来自 UI。

EdgeFleet 应坐在 OEM tools 之上、fleet dashboards 旁边、SkillDock 之后，积累 release x robot x site x incident x rollback x training candidate 的证据图。

短期壁垒

release evidence schema

把 model、skill、QNN artifact、robot profile、canary cohort、incident 和 rollback 放进同一证据图。

中期壁垒

connector compound

WMS/MES/CMMS/ERP、ROS 2、Open-RMF、VDA 5050、MassRobotics、OEM API 和 charger/door/elevator adapters。

长期壁垒

field incident memory

每次失败、接管、回滚、热降频、QoS deadline miss 和客户复盘都变成下一版门禁规则。

生态壁垒

Qualcomm profile library

Dragonwing / RB / QCS / IQ 设备的 runtime、camera、NPU、thermal、network 和离线运行证据持续积累。

09 · Why Qualcomm

EdgeFleet 把 Qualcomm 从“能跑模型的边缘芯片”提升为“能运营机器人队列的默认底座”。

AI Hub/QNN 能生成优化 artifact；EdgeFleet 证明哪个 artifact 在哪台设备、什么 runtime、什么 sensor/thermal/power 条件下运行，并在 field rollback 时保留证据。

Trace AI Hub job ID -> QNN context hash -> runtime -> device profile -> rollout cohort。

Detect 确认现场设备用了预期 QNN/NPU backend，而不是悄悄 CPU fallback。

Gate RB3/QCS/IQ 的 camera、thermal、power、fan、QNN runtime 和 sensor health 纳入上线门禁。

Learn Robotics Hub sample 可以升级为 installable, monitored, rollbackable reference workflow。

Validation

2-3 个 Qualcomm targets

RB3 Gen 2 / QCS6490，加 IQ-8275 或 IQ-9075 级设备，验证 clean rollout、perf regression、camera/thermal fault。

Telemetry

QNN/runtime hooks

收集 QNN/runtime logs、thermal/power、V4L2/GStreamer stats、device inventory 和 backend/fallback 状态。

Artifact

Signed evidence bundle

交付 artifact manifest、rollout timeline、device profiles、inference samples、telemetry 和 rollback proof。

10 · Demo & Ask

三分钟演示：机器人出了问题，我们知道发生了什么、能回滚、还能训练下一版。

初赛网页可以模拟完整证据；复赛拿到开发板后补真实 Qualcomm profile、端侧日志、视频、功耗、温度、backend 和回滚记录。

Enroll

注册三台机器人：stable、canary、offline-cache。

Release

上传 `dock-assist-v2`，展示 LeRobot dataset、SkillDock digest、QNN context hash、SBOM、Dragonwing profile。

Canary

preflight gate 检查 battery、task idle、camera health、safety boundary、QNN backend。

Incident

触发 latency spike 或 camera stall，生成 MCAP、OTel、CloudEvents 和 redacted video。

Rollback

回退到 previous-known-good，并把失败片段送回 TeleopStudio / TrainRouter。

可讲

audit-ready evidence

EdgeFleet 帮助生成上线、运维、远程协助和事故复盘证据。

谨慎

不是安全认证

它支持安全案例准备和审计，不替代 ISO/IEC/UL/TUV、现场风险评估或法律责任判断。

边界

不是万能 fleet controller

MVP 先支持明确 robot profile、ROS 2/MCAP、指定 Qualcomm target 和受限技能类别。

EdgeFleet 的一句话：把“机器人上线了”变成“每个模型、每次发布、每次失败、每次回滚都有 Qualcomm-first 证据”。