停线来自最后一毫米
机器人到达位置后，一个错位插接、过力压合或滑牙螺丝就会触发停线、返工、报废和人工介入。
01 · Problem
视觉自动化能把机器人带到零件旁边，但不能保证插进去、压到位、拧好、不刮伤。
工厂和仓库已经买了机器人、相机、夹爪、F/T 传感器和安全 PLC，但最贵的失败常常发生在接触瞬间：半插、卡滞、过力、打滑、交叉螺纹、压装不到位、易损件刮伤。问题不是机器人不会动，而是每个触碰没有被理解、记录、复用。
质量证据不够细
很多工位只记录 pass/fail 或终点值，没有把力位曲线、触觉热图、接管动作和质量结果绑定到每个周期。
每个项目重新集成
换机器人、换夹爪、换触觉传感器、换 SKU 后，轨迹、阈值、恢复策略和日志格式往往重新来。
大模型缺接触闭环
机器人基础模型需要真实触觉、力控、失败恢复和质量标签，而不是只靠互联网视觉和漂亮 demo。
02 · Why Now
基础模型在找真实数据，触觉硬件在爆发，中国工厂在等可验证的接触技能。
2025-2026 年的信号很清楚：PI、Skild、DeepMind 和 NVIDIA 推动机器人脑与数据工厂；Amazon Vulcan 把触觉带进仓储生产；GelSight、XELA、PaXini、Daimon、Unitree 等让触觉硬件变多；中国政策和 3C/EV 工厂开始要求力位曲线、真实数据和可追溯过程。
$1.4B
Skild AI 2026 年融资规模，说明通用机器人脑进入资本主赛道，也更需要高质量真实数据。
75%
Amazon Vulcan 宣称可处理约 75% 商品，触觉/力反馈已从实验室进入仓储生产。
54%
IFR 数据显示中国 2024 年新增工业机器人占全球 54%，运行存量超过 200 万台。
$2.3M/h
Siemens downtime report 估算汽车行业非计划停机成本可达约 230 万美元/小时。
03 · Insight
不要再做一个机器人脑，先把昂贵、重复、可验收的接触动作产品化。
TouchForge 的判断是：客户不会为“触觉很酷”付费，也不会因为通用机器人愿景下单；他们会为连接器一次插对、压装曲线合格、螺丝不滑牙、柔性件不掉、异常可回放、12 个月内回本付费。
Contact Primitive
最有价值的技能不是“移动到附近”，而是插入、压合、拧紧、拿捏、滑移、释放和失败恢复。
Do Things That Do Not Scale
先人工示教、标注、接管、回放，把最脏最值钱的接触失败变成标准 episode。
Edge Runtime
接触控制不能等云端；低延迟推理、成功判别和软件门禁必须在工位边缘运行。
04 · Solution
TouchForge 是跨硬件的触觉智能层，把每次接触变成可部署技能。
它不卖单一触觉传感器、夹爪、灵巧手或人形机器人。它把 GelSight/DIGIT/XELA/AnySkin/Unitree/Shadow/ATI/Robotiq/OnRobot 等不同硬件的触觉和力数据标准化，连接 LeRobot HIL、云 GPU 训练、Qualcomm edge runtime 和工厂 KPI。
- Normalize：把触觉图、wrist F/T、马达电流、RGB、动作、夹爪状态和 MES/质检结果对齐到同一条 episode。
- Forge：用 LeRobotDataset v3、BC/ACT/HIL-SERL 和云 GPU 训练接触策略、成功判别器和异常检测器。
- Deploy：将可 profile 的触觉 encoder、reward classifier 或小策略经 AI Hub / QNN / QAIRT 部署到 Qualcomm edge。
- Improve：每次打滑、卡滞、过力、接管、恢复和质量结果都进入下一轮 skill update。
05 · Product Workflow
第一版只卖三个东西：接触数据管线、技能包、质量证据仪表盘。
第一版不追求泛化到任意机器人和任意零件。它先在夹具、低速、低力和明确安全边界内，把一个昂贵接触任务做成可采购、可验收、可复用的产品。
Instrument
给工位加 wrist F/T、触觉指尖、前视/腕部相机、关节/电流遥测和安全限位。
Record
操作员示教、接管和纠错，系统记录成功、失败、恢复、force signature 和质量标签。
Train
云端训练 BC/ACT/HIL-SERL 策略、成功判别器、触觉 encoder 和异常 force/tactile signature。
Deploy
导出固定形状模型，AI Hub profile 后将小模型或 encoder 部署到 QNN/QAIRT edge runner。
Prove
每个周期输出力位曲线、触觉摘要、最大力、接管记录、质量结果和 ROI 报表。
06 · Market Wedge
先做一类高 ROI 接触动作，不从万能灵巧手开始。
最好的第一批客户不是想看 demo 的展厅，而是已经因为错误接触付钱的 3C、EV、汽车零部件、医疗器械和仓储自动化团队。
连接器 / FPC 插入
半插、针脚弯曲、线束变形和下游测试失败，适合力曲线、触觉状态和恢复策略闭环。
扭矩受限拧紧
错位、滑牙、错扭矩、漏打和交叉螺纹，用轴向力、电流、扭矩和视觉共同判断。
压合 / 卡扣
压力过大损坏零件，压力不足导致装配不良，force-displacement signature 是天然证据。
柔性/易损抓取
打滑、变形、刮伤、掉落和包装损坏，触觉 slip score 和夹持调整能直接创造 ROI。
3C / EV 装配
平板测试上下料、连接器/FPC、线束、胶合、精密搬运和电池压装是中国切口。
仓储拣选
不规则、反光、软包和易损 SKU 的掉落/错拣是触觉机器人早期商业场景。
07 · Business Model
采购语言不是“触觉很先进”，而是少停线、少报废、少返工、少人工异常。
TouchForge 的商业包给 Plant Manager、自动化工程、质量工程、OT 和 CFO 同一张账：每个接触周期是否合格、哪里失败、谁接管、少了多少停机、报废、返工和仓储异常。
90 天试点
35k-75k 美元/工厂 cell，或 50k-150k 美元/仓储 flow，覆盖数据采集、技能调优和 ROI 报告。
运行订阅
按 cell、机器人或工作流订阅，包含技能 runtime、漂移监测、失败回放、模型更新和质量报表。
No-CapEx 选项
与集成商/OEM 打包 RaaS，降低一次性采购阻力，把付费绑定到产线可用性和支持 SLA。
成功费
对经验证的停机、报废、返工、人工异常和仓储 exception 下降收取 success fee。
08 · Go-To-Market
90 天证明：接触失败下降，力/触觉证据可追溯，12 个月内回本。
先做 2 周 baseline，再收集示教、失败和恢复 episode，最后跑 10 个班次或 10k 周期的 shadow / limited production。每个报告都按缺陷、报废、停机小时、人工介入和吞吐贡献算账。
Connector KPI
半插、弯针、插入力 NOK 和重试率下降 50%+，100% 周期保留 force/tactile trace。
Fastening KPI
交叉螺纹、漏打、滑牙和 torque/angle NOK 下降 50%+，cycle time 不超过 takt +10%。
Fragile KPI
掉落、打滑、刮伤、裂纹、变形报废下降 50-80%，人工异常介入下降 30-50%。
Economic KPI
年化验证节省 ≥ 年度订阅 3 倍，回本周期小于 12 个月。
09 · Competition
传感器公司卖手指，大模型公司卖大脑，TouchForge 卖能通过 KPI 验收的接触技能。
Physical Intelligence、Skild、Google DeepMind 和 NVIDIA 推动通用模型；GelSight、DIGIT、XELA、Daimon、PaXini、Unitree、Shadow、Robotiq、ATI 等推动触觉/力控硬件；传统集成商做单个 cell。TouchForge 的位置是跨硬件的数据、训练、评测和 edge runtime 层。
不是传感器硬件
硬件层已经拥挤，商业护城河在跨硬件 episode、failure replay、质量标签和可复用 skill。
不是通用基础模型
PI、Skild 和 DeepMind 需要真实数据；TouchForge 从昂贵、重复、可验收的接触工位切入。
不是一次性调参
每个部署都生成标准化数据、策略、评测、OT 日志和更新，下一次同类任务更快。
10 · Moat
壁垒是跨硬件接触 episode 到质量结果的闭环数据。
TouchForge 的数据不是普通视频，而是带力、触觉、动作、失败、HIL 恢复、质量判定、OT 日志和 ROI 的多模态接触历史。这是机器人真正学会拿捏的燃料。
Contact Episodes
视觉、触觉、F/T、马达电流、动作、夹爪状态、干预标记和质量结果同步成可训练 episode。
Failure Replay
半插、过力、打滑、掉落、刮伤和 cross-thread 都成为可检索失败案例。
Skill Library
插接、FPC、压合、拧紧、柔性抓取和易损件处理形成跨客户复用的 primitive。
Edge Profiles
固定序列长度、量化校准、QNN/QAIRT profile、回滚和安全门禁形成部署资产。
11 · Architecture
云端训练，边缘推理，安全环不交给模型。
Qualcomm edge 负责低延迟推理、触觉 encoder、成功判别和异常提示；云 GPU 负责训练；ROS 2 supervisor 只做软件门禁，E-stop/OEM 安全控制独立存在。页面和 demo 不声称 Qualcomm 现场训练策略。
Sensors
wrist F/T、触觉皮肤、GelSight/DIGIT 类视觉触觉、关节/电流遥测、前视/腕部 RGB。
Dataset
ROS bag 作源数据，转换到 LeRobotDataset v3：state/action、wrench、tactile MP4、Parquet 和 metadata。
Train
BC/ACT/HIL-SERL 小模型，视觉/触觉 encoder + proprio/F/T MLP + temporal head。
Deploy
PyTorch/ONNX/TFLite -> AI Hub compile/profile/quantize -> QNN/QAIRT 或 ONNX Runtime QNN。
Safety
workspace bounds、速度/力限制、watchdog、E-stop、夹具约束和人工接管独立于学习策略。
12 · Competition Demo
低力桌面工位就能证明“人类手感到边缘技能包”。
演示重点不是展示万能灵巧，而是展示一条完整证据链：示教、触觉/力数据、失败回放、HIL 恢复、云端训练 artifact、边缘 profile、受限动作成功。
Capture
操作员遥操作一次轻量插接/压合，系统记录 RGB、触觉、F/T、电流、动作和干预标记。
Replay Failure
故意错位，机器人检测 rim contact 或打滑，仪表盘显示 force spike 和 tactile heatmap。
HIL Recover
人工接管做小范围搜索/校正，恢复后交还策略，LeRobot 记录 recovery episode。
Edge Deploy
展示 AI Hub profile、QNN/QAIRT artifact、edge latency、最大力和固定软件门禁。
Skill Pass
在夹具内完成 chamfered peg insertion、柔性抓取或 torque-limited screwdriving proxy。
13 · Why Qualcomm
接触技能是 Qualcomm 机器人边缘 AI 的高价值工作负载。
接触控制不能把每个触觉帧、力曲线和动作决策发到云端等待。它需要本地多传感器融合、低延迟策略、软件门禁、弱网可用和可 profile 的模型部署。
Sensor Fusion
多相机、触觉、F/T、电流和机器人状态在边缘融合，减少云依赖和延迟。
AI Hub / QNN
可展示固定输入模型、触觉 encoder 或 reward classifier 的 compile/profile/quantize、QNN/QAIRT 运行和回滚。
Industrial Edge
工厂数据、工艺参数和失败回放需要本地化/区域化，不适合默认上传公网云。
Ecosystem Pull
TouchForge 把 Qualcomm 拉进灵巧手、触觉传感、工业机器人、3C/EV 装配、仓储拣选和物理 AI 标准。
14 · Ask
比赛阶段需要一个可信、低风险、可复现的接触技能样板。
我们需要证明数据闭环和 edge runtime，而不是在比赛现场训练一个通用灵巧模型或宣称安全认证。
Hardware
RB3 Gen 2 / RB6 / Dragonwing dev kit，ROS 2 arm，wrist F/T，触觉指尖，双相机和 E-stop。
Demo Fixtures
chamfered peg、低风险连接器代理、柔性件、扭矩受限四分之一转 fastener 和夹具。
Data
50-200 次示教、失败和恢复 episode，含力曲线、触觉热图、动作、接管和成功/失败标签。
Boundary
不声称通用灵巧、工厂即用、零样本泛化、现场训练、安全认证或任意机器人/传感器迁移。
Claims To Avoid
可信边界比大词更重要。
不说通用灵巧、工厂级螺丝/插接已完成、零样本触觉操作、马达电流等同标定力传感、Qualcomm edge 现场训练策略、任意 VLA/Transformer 可直接跑 QNN、ROS 2 supervisor 等同安全控制器、可安全人机协作或跨任意机器人/夹爪/零件/传感器迁移。
Physical Intelligence π0.7
Skild Series C
Gemini Robotics 1.5
NVIDIA Data Factory
Amazon Vulcan
Apptronik Series A
Tutor Data Factory
IFR Global Robot Demand
IEA EV Production
MIIT Real-Scenario Training
AgiBot Factory Deployment
GelSight / DIGIT 360
XELA uSkin
Daimon DM-Tac W
Unitree Dex3-1
Siemens Downtime Cost
I-PEX CARA
Robotiq Screwdriving
Press-Fit Process Control
Peg-in-Hole Review
LeRobotDataset v3
LeRobot HIL
LeRobot HIL-SERL
Qualcomm AI Hub
QNN / QAIRT
MoveIt Servo