延误原因太晚
皮带车、清洁、配餐、加油、登机桥和装载节点任何一个慢几分钟，都会变成离港延误代码。
Pitch 61 · Airport Ramp Exception Closure OS
每个过站异常，起飞前闭环。
RampLoop 是给航空公司、机场和地面代理的机坪异常闭环系统：用 Qualcomm 边缘视觉、GSE 信号、机器人/人工任务和 LeRobot HIL，把皮带车晚到、行李转运风险、FOD、安全区占用、加油/配餐阻塞和 SLA 争议变成有责任人、有倒计时、有证据的关闭记录。
01 · Problem
航班不是被一个大故障延误，而是被几十个小异常拖到起飞后才算账。
一次窄体机过站有廊桥、轮挡、锥桶、卸行李、加油、清洁、配餐、登机、装载、推出和安全检查。今天很多异常仍靠对讲机、微信群、人工巡场和事后时间戳处理：看见了不等于有人接，接了不等于关掉，关掉了不等于能举证。
责任人不清
航空公司、机场、地服、油料、配餐和清洁都有局部视角，异常在组织缝隙里滚大。
证据不完整
地服 SLA、行李错运、GSE 碰擦、FOD、安全区占用和 TOBT 偏差都需要事前证据，而不是事后争议。
AI 只看不闭环
摄像头、AODB、A-CDM、GSE GPS 和机器人正在增加，但缺少把异常派给人并证明关闭的操作层。
02 · Why Now
客流恢复、机位紧张、地勤短缺、GSE 自动化和 AI 转场产品正在同时发生。
机场已经在买自动拖车、视觉转场系统和智能摄像头。下一步不是再造一个看板，而是把每个可控异常在 STD/off-block 前变成可关闭任务。
10.2B
ACI 预计 2026 年全球机场旅客量约 102 亿人次，长期需求继续增长。
$100.76/min
A4A 估算 2024 年美国客运航司直接飞机运营成本约 100.76 美元/区块分钟。
24M
SITA 报告 2025 年全球约 2400 万件行李错运，平均成本约 260 美元/件。
1.529B
中国 2025 年运输机场旅客吞吐量约 15.29 亿人次，货邮吞吐量 2186.4 万吨。
03 · Insight
机坪的最小经营单元不是“一个航班”，而是一个有倒计时的异常。
RampLoop 的判断是：机场和航司不会先为“全自动机坪”买单，但会为可控延误分钟减少、行李错运下降、GSE/FOD 风险关闭、SLA 争议变少和 TOBT 更准付费。
Exception
异常必须有类型、严重度、离港倒计时、责任人、升级路径和关闭条件。
Closure
关闭不是点一个完成，而是摄像头、GSE 信号、人工确认和任务记录共同满足验收条件。
Learning
每次误报、漏报、人工接管和恢复动作都进入 LeRobot HIL，让下一个站位更稳。
04 · Solution
RampLoop 是过站异常的关闭操作系统。
它不替代 AODB、A-CDM、地服调度、BHS 或自动拖车。它把边缘摄像头、GSE 位置/状态、地服任务、机器人巡检和人工审批连接起来，让每个影响离港的异常从“有人看见”变成“有人负责、正在处理、已验证关闭”。
- Detect：边缘视觉识别轮挡、锥桶、皮带车、行李车、FOD、安全区、人员和关键服务节点。
- Assign：按航班倒计时、SLA、责任方、严重度和站位规则自动派给航空公司、地服、机场或机器人队列。
- Close：人工/机器人完成动作后，用连续帧、GSE 信号、扫码、照片和主管审批生成关闭证据。
- Learn：低置信度、人工纠错、机器人接管和实际延误结果进入 LeRobot HIL 与云训练。
05 · Product Workflow
从进港到推出，异常按分钟被关闭。
第一版不控制真实 GSE，不接触飞机系统。它做的是安全的感知、派单、证据和人工监督闭环。
Import
导入航班、机位、STD/ETD、TOBT、服务清单、SLA、站位规则和责任方。
Sense
边缘摄像头、GSE MQTT/定位、BHS/RFID、扫码和人工 App 形成实时机坪状态。
Detect
识别 FOD、安全区占用、皮带车未到、轮挡/锥桶状态、行李转运风险和服务阻塞。
Dispatch
异常进入负责人队列，按离港倒计时和影响范围升级到地服主管、TOC 或机场运控。
Verify
连续帧、GSE 状态、现场照片、机器人检查和主管审批满足关闭条件后生成审计包。
06 · Market Wedge
先切最可控、最贵、最能举证的站点异常。
RampLoop 不从全机场数字化替换开始，而从一个站点、一家航司或一个地服团队的前三类延误/争议切入。
Turn-Critical
廊桥、轮挡、锥桶、皮带车、清洁、加油、配餐、登机和推出的节点异常。
Baggage / Load
中转行李风险、晚到行李、ULD/装载差错、装卸节点缺证和 BHS/RFID 异常。
GSE / FOD
设备未到、错误停放、等待时间、FOD、安全区未清空和近距离风险事件。
Cargo Hubs
跨境电商、货站、冷链 ULD、查验滞留、单证不一致和地面车辆协同。
China Airports
浦东、广州、深圳、首都/大兴、鄂州花湖、郑州、成都、杭州和重庆等高密度枢纽。
Handlers
地服公司可以把 SLA、人员调度、车辆利用率和事故证据变成可续费产品。
07 · Business Model
按站点、航班量和被验证的节省收费。
买方不会为“漂亮大屏”长期付费，但会为每分钟延误、每件错运行李、每个 GSE/FOD 事件和每个 SLA 争议减少付费。
90 天试点
4.5 万美元/站点起，覆盖一个航司或地服团队、最多约 3000 个 turn、三类异常工作流。
站点订阅
按 active stand、航班量和参与方收费，包含异常队列、证据包、SLA 分析和模型发布。
成功分成
可选收取经验证硬节省的 12%，试点封顶；正式期按延误分钟、错运行李和争议减少计算。
Edge Node
Qualcomm edge node、摄像头接入、GSE adapter、私有部署和运维支持作为年度模块。
08 · Go-To-Market
90 天证明：0.5 分钟/turn，就足以付回试点。
以 25 个 turn/天、90 天约 2250 个 turn 计算，若每个 turn 只减少 0.5 分钟直接延误，按约 100 美元/分钟就是十万美元级节省，还不含行李、SLA、人工和地面损伤。
Baseline
记录 D0/D15、TOBT 准确率、可控延误分钟、错运行李、GSE 等待、FOD/SLA 争议。
Top 5 Exceptions
只做最常见、最可控的五类异常，避免第一版陷入全流程机场系统替换。
Closure KPI
90%+ 关键异常 2 分钟内分配责任人，关闭时间降 20%，95%+ SLA 异常有证据包。
Expansion
从一个站位扩到一个指廊，从一个航司扩到多方协作，再接自动 GSE 和机器人队列。
09 · Competition
视觉系统看见机坪，RampLoop 负责把异常关掉。
Assaia、Deep Turnaround、Synaptic Aviation、INFORM、A-CDM、AODB、地服调度、自动拖车和智能 GSE 都证明市场存在。RampLoop 的差异是把这些信号变成责任人、倒计时、动作、证据和训练数据。
不是另一个摄像头看板
我们关心异常是否在 off-block 前被验证关闭，而不是只记录某个节点发生过。
不是自动拖车公司
自动 GSE 是执行方之一，RampLoop 做跨品牌调度、异常派发和闭环审计。
不是替代 A-CDM
A-CDM 协同计划和时刻，RampLoop 处理现场异常到 TOBT/TSAT/TTOT 的实时风险。
10 · Moat
护城河是异常到结果的数据闭环，不是一张机坪照片。
每一次异常、责任分配、人工/机器人动作、关闭证据和最终航班表现，都会变成下一次推荐更准的运营数据。站点越多，异常图谱和处理 playbook 越难复制。
Exception Graph
航班、机位、GSE、人员、服务节点、SLA、TOBT 和延误原因构成图谱。
Closure Dataset
谁接、怎么关、几分钟关、是否复发、是否恢复离港表现，形成稀缺监督信号。
Airport Connectors
AODB、A-CDM、BHS/RFID、GSE telematics、地服 App、SLA 和运控系统接口形成切换成本。
Regional Deployment
中国本地化/私有云、海外云、数据最小化、弱网缓存和边缘部署 profile 形成交付壁垒。
11 · Architecture
机坪数据不默认上云，先在站位边缘闭环。
生产版不接管飞机或 GSE 控制，只接收感知和状态；动作由人、地服系统、机器人或受控自动 GSE 执行并确认。
Sensors
站位摄像头、FOD 摄像头、GSE GPS/UWB/BLE、扫码、BHS/RFID、AODB/A-CDM 和人工 App。
Edge
RB3 Gen 2 / QCS6490 / Dragonwing 运行 QNN/QAIRT 视觉、跟踪、区域占用和异常规则。
FSM
turnaround_id、stand_id、phase、observation、gse_signal、exception、closure_action 统一成状态机。
HIL
低置信度、机器人偏航、误报和人工纠错进入 LeRobot episode，用于下一轮训练。
Cloud
中国站点走国内云/私有云，海外站点走海外云；只同步合规 artifact、指标和匿名样例。
12 · Competition Demo
桌面机坪就能演示完整闭环。
比赛 demo 不需要真实机场权限：用打印机位图、玩具飞机、带标签 GSE、FOD token、摄像头和小机器人，就能展示边缘感知、异常派发、HIL 接管和证据关闭。
Start Turn
系统载入航班、机位、STD、轮挡、锥桶、皮带车、行李和 FOD 清空的预期步骤。
Detect Exception
放入 FOD token 或让皮带车先于轮挡进入区域，Qualcomm edge 本地识别异常。
Approve Action
主管在 UI 中批准机器人/人工处理任务，系统记录责任人、倒计时和关闭条件。
HIL Recovery
机器人偏离时人工暂停、遥操作纠正并返回策略，LeRobot 记录修正片段。
Verify Close
连续三帧区域清空、GSE 状态正确、主管确认后，生成异常关闭证据包。
13 · Why Qualcomm
机坪需要低延迟、弱网、本地隐私和多传感器边缘 AI。
机场不能把每路机坪视频、人员位置、航班节点、行李状态和安全事件都发到公网云再等待推理。Qualcomm 可以把视觉、跟踪、异常判断、设备身份和机器人 HIL 放在站位边缘。
Edge Vision
站位摄像头、FOD 检测、GSE/人员/区域占用和低置信度队列都需要本地实时处理。
AI Hub / QNN
比赛可展示 PyTorch/ONNX 到 AI Hub profile、QNN/QAIRT artifact 和边缘回滚的证据链。
Private Deployment
中国机场、海外枢纽和地服公司都有数据边界，边缘节点和区域云正好匹配。
Ecosystem Pull
RampLoop 把 Qualcomm 机器人能力连接到机场、航司、地服、自动 GSE、智能摄像头和民航物流。
14 · Ask
比赛阶段要一个可信 tabletop ramp，而不是未经认证的真实机坪控制系统。
目标是让评委看到：Qualcomm edge AI 能识别现场异常，LeRobot HIL 能记录纠错，系统能把异常真正关掉并留下证据。
Hardware
RB3 Gen 2 / RB6 / Dragonwing dev kit，广角摄像头、可选深度摄像头、小型 AMR 或桌面机械臂。
Mock Ramp
打印机位图、玩具飞机、GSE token、FOD token、轮挡/锥桶和 MQTT 模拟状态。
Partner Data
一组匿名过站节点、延误原因、行李/GSE/SLA 异常样例和站位 SOP。
Boundary
不控制真实飞机或 GSE，不宣称机场认证，不做无人值守机坪自动驾驶。
Claims To Avoid
可信边界要讲清楚。
不声称 FAA/EASA/CAAC 认证，不声称可安全用于真实机坪无人值守，不控制飞机系统，不承诺杜绝所有延误、FOD 或事故，不引用未实测的 NPU FPS，不说 LeRobot tabletop policy 可以直接泛化到机场。