不能靠招人解决
MLO 2025 调研中，71% 的 lab professionals 把 staffing 列为近期规划挑战，样本量增长正在撞上人力瓶颈。
03 · Solution
LabForgePilot 是一台 verified sample-transfer workcell。
它从 LIMS/CSV/API 拉任务，扫描 source/destination，视觉确认样本和槽位，执行容器级转移，写回结果，并把失败、干预、恢复动作沉淀为 LeRobot/HIL 训练数据。
Import
导入 worklist，绑定 sample、source、destination、priority 和 SOP。
Verify
扫描条码、OCR、rack pose、slot、颜色/标签，错样或错位时 fail closed。
Transfer
执行 tube-to-rack、rack-to-rack、tube-to-plate staging 和 plate/rack staging。
Learn
用 ACT 做可靠 baseline，再用 HIL/DAgger corrections 把失败接管变成训练数据。
Write Back
把结果、异常、图像证据、策略版本和 edge profile 写回 LIMS/ELN/QMS 或审计包。
05 · Product
第一版产品边界很清楚：容器级转移，不承诺临床诊断或高精度移液替代。
LabForgePilot 先做 research、education、QC workflow automation 和 pre-validation pilot。它卖的是工作站、应用、连接器、证据包、培训和支持，不是一只裸机械臂。
- 硬件：桌面机械臂 / SO-101 风格 follower arm、可选 leader arm、front + top/side cameras、条码扫描、固定管架、孔板、样品盒、夹具和灯箱。
- 边缘：Qualcomm Dragonwing-class compute、本地视觉、本地策略、本地日志、急停、边界、限位、权限和安全状态灯。
- 应用：TubeRackTransfer、PlateStaging、BarcodeVerify、QCPhoto、FailureMining、EdgeProfileViewer、LIMSWriteback。
- 合规口径：支持 validation-ready / audit-ready workflow；不是开箱即 GMP/CLIA/IVD/FDA approved。
- 失败策略：条码不匹配、标签不可读、错槽、重复 ID、stale worklist 或未批准协议时 fail closed。
09 · Why Qualcomm
这是 Qualcomm 应该支持的 Physical AI 样板：真实世界、低延迟、隐私敏感、离线可运行。
LabForgePilot 用 Dragonwing-class edge hardware 在本地完成视觉识别、策略执行、证据记录和运行指标。云端只负责模型准备、AI Hub 编译/profile、可选 OTA 和双云训练。
- RB3 Gen 2 / QCS6490：比赛 MVP anchor，支持 Qualcomm Linux、GStreamer、robotics algorithms、相机和 12 dense TOPS 级别边缘 AI 路线。
- AI Hub Workbench + QAIRT/QNN：把 PyTorch/ONNX/TFLite 模型优化、profile 到真实设备或 proxy，输出 runtime、latency、memory 和 compute-unit evidence。
- ONNX Runtime QNN：作为部署路径之一，而不是唯一承诺；CPU/GPU fallback 必须单独标注。
- QCS8550：高性能扩展 profile，适合多摄像头、多模型并行和 on-prem robot operations box。
- IQ10 RRD：roadmap / early access ask；不写成 2026 年 7 月已集成量产硬件。