FoodLoop 餐务闭环 | 面向餐饮运营的边缘机器人平台

00 · Five-Thread Research

餐饮机器人已经从新奇展示进入运营工具，但赢家不是“机器人厨师”。

Bear、Pudu、Keenon、Richtech、Miso、Botinkit、Hyphen、Sweetgreen/Spyce、Nala 和 Cafe X 的信号很一致：成熟市场是跑菜、回盘、清洁、饮品、受限厨房工位和窄菜单自动化。FoodLoop 把这些机器人连接到餐厅订单、证据和训练闭环。

Runner / Busser

送餐和回盘机器人已规模化，但需要接入桌号、托盘验证、堵路和服务证据。

Kitchen Assist

炸锅、炒锅、饮品和装配线适合受限菜单，不适合泛化烹饪承诺。

China Stack

微信、Meituan、Douyin、RMS/POS、中文工单和本地服务网络决定落地速度。

Food Safety

温度、持有时间、过敏原、封签、清洁日志和废弃/重做必须结构化。

HIL Data

错托盘、堵路、抓取失败和人工恢复都变成 LeRobot 训练片段。

01 · Ticket To Table To Training

把一张订单变成机器人可执行、可验证、可学习的餐务任务。

FoodLoop 从 KDS/POS 接收订单事件，拆成出餐、托盘验证、配送、回盘、清洁和异常任务。每一步都有状态、证据、人工接管和训练数据，不再只是让机器人“送一趟”。

Ticket

订单、桌号、取餐柜、过敏原、promise time 和取消/改单。

Verify

相机、QR、重量、托盘槽位、封签和人工确认。

Move

Nav2 / Open-RMF 路线、堵路等待、慢行区和 HIL 接管。

Proof

送达、回盘、清洁、温度、超时、废弃和维护日志。

Learn

异常片段进入 LeRobot，经 AI Hub profile 后回到边缘部署。

02 · Edge Restaurant Runtime

餐厅高峰不等云端，机器人必须在本地判断和降级。

FoodLoop 把餐饮工作流拆成本地边缘运行和云端训练。安全、导航、托盘验证、堵路处理和食品安全日志留在门店；云端负责训练、评估、模型注册、灰度和 fleet 分析。

KDS / POS Bridge：Square、Toast、Oracle/NCR、Meituan、Douyin、WeChat。
Dining AMR：桌区、通道、厨房口、回盘点、清洁区、取餐柜和酒店房间。
Kitchen Cells：炸锅、炒锅、饮品、装配线、洗碗和受限机械臂工位。
Food Safety：TCS timer、温度、过敏原、封签、清洁、废弃和重做。

03 · First Workflows

第一批任务选择高峰期重复、可验证、可接管的工作。

FoodLoop 不从全自动厨房开始，而从餐厅真实瓶颈开始：走路、端托盘、回盘、清洁、取餐柜、标准化工位和异常恢复。

跑菜

出餐口到桌号/取餐架/包间/酒店房间。

回盘

桌边回收、脏/净分离、洗碗入口和周转时间。

清洁证据

清洁路线、wet-floor zone、照片、时间戳和 SLA。

托盘验证

QR、菜品视觉、重量、槽位、封签和过敏原。

后厨工位

炸锅、炒锅、饮品、配菜、装配线和洗碗单元。

异常训练

堵路、错单、缺菜、抓取失败和人工接管。

04 · China / Overseas Versions

中国版讲标准化和本地平台，海外版讲 SLA、集成和可量化 ROI。

中国餐饮机器人市场价格竞争激烈，必须靠本地服务、二维码生态和连锁标准化取胜。海外市场则更看重 POS/KDS 集成、安全、隐私、维护响应和试点数据。

中国餐务闭环

火锅、宴会、自助餐、酒店、机场、园区食堂和 QSR。接入微信扫码点餐、Meituan/Dianping、Douyin POI/团购、中文工单、本地云和经销商服务网络。

海外 Service Pro

QSR、casual dining、hotel、cafeteria、cloud kitchen。用 6-12 周 paid pilot 衡量 mission success、ticket time、labor hours、accuracy、waste、cleaning proof 和 uptime。

05 · Competition Demo

用 mock KDS、托盘和小车，展示完整餐务数据闭环。

比赛演示不需要真实厨房热源。用封闭碗、QR、桌号、托盘、路线地图和一个堵路异常即可证明产品逻辑：订单进入、托盘验证、机器人配送、异常接管、LeRobot episode、edge profile 和服务证据。

KDS 订单状态、桌号、取餐柜、过敏原和改单取消进入任务合约。

Tray 菜品、重量、QR、封签和缺菜检测先验证再出发。

HIL 堵路、错单、客人未取、抓取失败进入人工接管。

ROI 输出步数、等待、ticket time、异常、清洁覆盖和停机。

06 · Why Qualcomm

餐厅高峰是边缘 AI 的真实压力测试。

餐厅里有拥挤人流、弱网、反光地面、临时障碍、热源、食品安全和隐私边界。Qualcomm 的价值在于本地多模态感知、低延迟导航、隐私过滤、连接和部署证据。

Perception

托盘、菜品、QR、桌号、湿滑地面、障碍和人员检测。

Runtime

ROS 2、Nav2、Open-RMF、MoveIt、QNN/ONNX/TFLite。

Privacy

顾客画面边缘脱敏，只上传授权片段和任务元数据。

Service

签名 OTA、灰度、回滚、维护工单、备件和 SLA。

Learning

每次异常恢复都进入 LeRobot，形成下一版技能。

FoodLoop 的商业承诺不是“无人餐厅”，而是把餐厅里最重复、最耗步数、最容易出错的任务变成可执行、可复盘、可训练、可部署的运营闭环。