库位错了
SKU 在 B-02，WMS 仍显示 A-03；拣货员、AMR 和客户都被错误库存拖慢。
Pitch 51 · Warehouse Exception Closure
WMS 说库存正常，货架现场已经错了。
WarehouseLoop 是给 3PL、品牌仓、跨境海外仓和退货中心的仓务异常闭环平台：发现错货、漏扫、破损、库位不一致，派人或机器人纠偏，拍照/扫码验证，并自动回写 WMS。
01 · Problem
仓库最贵的不是拣货，而是发现错了以后没人能闭环。
仓库已经有 WMS、扫码枪、AMR、货架和 SOP，但错放、漏扫、退货破损和低置信度抓取仍散落在纸单、Excel、微信群和主管记忆里。一件错货会变成一次赔付、一次加班、一次库存不可信。
扫描断了
收货、上架、复核、包装少一次扫码或照片，问题只能事后追责。
退货堆了
破损、错货、疑似欺诈、可售/不可售判定缺标准证据和回写。
系统孤岛
WMS 知道应然，AMR 负责搬运，相机看到现场，但异常没有统一任务语言。
02 · Why Now
退货、用工、跨境和机器人商业化同时把异常闭环推到前台。
客户不想先承担全仓重建风险。更短的付费路径是：先把退货、收货差异、错库位和 putwall 复核这些高频异常闭环，再逐步扩展机器人能力。
$849.9B
NRF 预计 2025 年美国零售退货规模；线上退货率 19.3%。
76%
Descartes 调查中正在经历 supply chain / logistics 劳动力短缺的运营占比。
1990 亿件
中国 2025 年快递业务量量级，峰值、临时工和错件压力持续存在。
2.84 万亿
中国 2025 年跨境电商进出口额，海外仓退货、换标、质检成为刚需。
03 · Insight
仓库自动化的第一桶金不是无人仓，而是异常闭环。
WMS/WES 知道“应该发生什么”；AMR/ASRS/机械臂执行一部分动作。真正缺的是把现场偏差变成任务、证据、系统回写和下一轮机器人训练数据。
Action
异常不是 dashboard 红点，而是有负责人、SLA、目标库位和所需证据的任务。
Evidence
扫码、照片、视频、RFID、重量变化和机器人状态一起证明“已经纠正”。
Learning
失败、低置信度和人工接管进入 LeRobot episode，变成下一版 edge skill。
04 · Solution
WarehouseLoop 是 existing warehouse 之上的异常操作层。
它不替代 WMS，也不强卖整仓机器人。它连接相机、扫码、RFID、称重、AMR、机械臂、人工复核和 WMS/WES/ERP，把每个异常从现场发现推进到系统闭环。
- Exception Capture：固定相机、手持扫码、RFID、称重台、AMR、机械臂、手机拍照和 WMS 对账发现异常。
- Task Dispatch：异常变成有负责人、SLA、优先级、目标库位和证据要求的任务。
- Proof & Writeback：扫码、照片、视频、RFID、重量变化和机器人状态组成证据包，回写系统。
- LeRobot Learning Loop：失败、低置信度和人工接管导出为训练 episode。
05 · Product Workflow
一个异常从红色卡片，到绿色回写，再到训练队列。
第一版只需一个小货架、三个 SKU、一个退货箱、一个扫码器、一台相机和一个 mock WMS，就能展示完整商业闭环。
Detect
Edge camera / scanner / RFID 发现 SKU 在错误库位，或退货箱破损、条码不匹配。
Dispatch
WarehouseLoop 创建 ExceptionCase，标注类型、置信度、责任人、SLA 和证据要求。
Correct
仓员、主管、AMR、机械臂或远程协助完成移动、复核、贴标、分拣。
Verify
扫码、拍照、视频、RFID 或重量变化验证完成。
Learn
WMS 回写已修正；接管和失败片段进入 LeRobot dataset 与下一轮 edge deployment。
06 · Market Wedge
先打中小 3PL、品牌仓和跨境退货，不从所有仓库开始。
最好的首单不是全仓智能化，而是 8-12 周把一个高频异常流程闭环：高 SKU、临时工多、退货多、WMS 已有但现场执行混乱。
中小 3PL
多客户、多 SLA、多系统、多临时工，需要中立闭环层。
DTC 品牌仓
服饰、美妆、消费电子 SKU 多、退货多，返架周期影响收入。
跨境海外仓
退货分级、换标、破损、疑似欺诈和库存纠偏是高价值场景。
退货中心
RMA、破损等级、可售/不可售、复检和照片证据需要流程化。
制造仓储
MES order、kitting、QR/RFID 验证和线边配送失败接管可以复用。
自动化集成商
AMR/ACR/WMS/WES 项目里，异常闭环是可复制插件。
07 · Business Model
按闭环异常收费，而不是按硬件 BOM 收费。
收入模型是 pilot fee + robot/workcell monthly fee + cloud training subscription + per-closed-exception success fee。
付费试点
中国 8-12 周 20-60 万元；海外 30k-80k 美元集成/部署费。
工位订阅
海外 8k-15k 美元/月/工位；中国按工作站、节点、任务量和集成收费。
训练订阅
中国版接阿里云/华为/腾讯；海外版接 AWS/GCP/Azure，按训练和部署队列收费。
成功费
按 corrected item、closed exception、return processed、pick/orderline 成功数加价。
08 · Go-To-Market
先赢一个异常流程，再扩到整个仓。
第一单不是“无人仓”，而是一个客户愿意用现场 KPI 验收的流程：更快关闭异常、更少返工、更短返架、更低主管追责时间。
Design Partners
2-3 家 3PL、跨境退货中心、服饰/美妆品牌仓。
First Workflow
退货质检、收货差异、错库位纠偏或 putwall 复核。
Expansion
receiving -> putaway -> return grading -> replenishment -> kitting -> 多仓复制。
Channel
WMS/WES/RMS、AMR/ACR/机械臂厂商、系统集成商和 Qualcomm edge 生态。
09 · Competition
他们让仓库更自动化，我们让仓库的错误被闭环。
WarehouseLoop 不和所有机器人硬拼。它坐在 WMS/WES/AMR/ASRS/机械臂之上，把异常、证据、人工和训练连接起来。
Locus / Robust.AI
人机协作和 AMR pick assist 强；WarehouseLoop 管异常、proof、WMS 回写。
Brightpick / Nimble
机器人动作和履约自动化强；WarehouseLoop 从更轻的异常工位切入。
AutoStore / Exotec
AS/RS 强，部署重；仍需要上下游异常、退货和质量闭环。
Symbotic / Amazon
mega-DC 自动化强；WarehouseLoop 面向 brownfield 3PL/品牌仓。
Geek+ / Hai / Quicktron
中国 AMR/ACR 成熟；WarehouseLoop 做插件式异常和训练层。
WMS / WES
system of record 强；WarehouseLoop 是 system of action and evidence。
10 · Moat
壁垒是 exception-action-evidence-writeback-training graph。
每个闭环异常都把 SKU、库位、动作、证据、回写、人工接管和模型版本变成可积累资产。
SKU Evidence
SKU、库位、tote/bin、条码、RFID、照片、重量、视频和 WMS 状态。
Return Semantics
退货等级、破损标签、欺诈风险、复检结果、可售/不可售去向。
HIL Data
人工接管、低置信度抓取、错误识别、安全停机和恢复策略。
Connectors
WMS/WES/ERP/RMS/RCS、AMR、RFID、扫码、称重和工位系统连接器。
Ops Benchmarks
客户 SOP、SLA、责任分派、审计证据和 KPI benchmark。
Edge Profiles
Qualcomm edge model profiles、deployment recipes、rollback records。
11 · Product Architecture
LoopCore、LoopEdge、LoopRMF、Learning Cloud。
架构服务于商业闭环：现场发现异常，系统派单纠偏，证据回写 WMS，失败进入训练。
LoopCore
WMS/ERP/WES/RMS/RCS 连接器、ExceptionCase、WarehouseTask、SLA、审计和回滚。
LoopEdge
Qualcomm edge device 连接固定相机、腕部相机、扫码、RFID、称重、AMR、机械臂。
LoopRMF
ROS 2、Nav2、MoveIt 2、ros2_control、Open-RMF 和混合厂商 fleet adapter。
Learning Cloud
LeRobotDataset、HIL loop、中国/海外训练云、AI Hub / QNN / ONNX Runtime QNN 部署。
12 · Competition Demo
用一个货架、三个 SKU、一个退货箱，证明仓库异常可以闭环。
不要只展示机器人移动。展示一个红色异常如何被检测、派单、纠偏、验证、回写，并变成训练数据。
Mismatch
Mock WMS 显示 SKU A 应在 A-03，现场故意放在 B-02。
Edge Detect
Qualcomm edge camera 发现库位不一致，生成异常卡。
Correct
系统派单给仓员或小机械臂，完成纠偏并扫码/拍照。
Writeback
WMS 从红色异常变绿色已修正，证据包进入审计记录。
Train
退货破损低置信度触发人工复核，接管片段导出为 LeRobot episode。
13 · Why Qualcomm
Qualcomm 是现场执行层，不是页面上的 logo。
仓库现场需要低延迟、多摄像头、弱网可运行的边缘感知；客户的 SKU、订单、视频和退货数据也不能都上传到公共云。
Edge Vision
库位、条码、包装破损、缺件、多件、错放和动作失败在现场判断。
Gateway
条码/RFID/相机/AMR/机械臂/安全门控需要稳定本地 gateway。
Runtime
AI Hub、QNN、QAIRT、ONNX Runtime QNN EP 把模型变成 edge artifact。
Hardware Path
RB3 Gen 2 做比赛原型，RB6/Dragonwing IQ10 做生产级仓储机器人参考。
LeRobot HIL
人工接管转成下一版技能，Qualcomm edge 让技能在现场可靠执行。
14 · Ask
把 WarehouseLoop 做成 Qualcomm 仓储 physical AI 的可复制样板。
比赛阶段需要证明完整闭环，而不是证明一个单点模型。
Dev Kit
RB3 Gen 2 或 RB6 级别开发板 + Vision Kit，用于多摄像头边缘感知。
Scenario Data
mock WMS/API 样例和 5-10 个真实仓务异常流程样本。
Partners
3PL 退货中心、跨境海外仓、品牌履约仓，以及 AMR/机械臂/扫码/RFID 伙伴。
WarehouseLoop 的一句话 pitch：3PL 和品牌仓用它把错货、漏扫、退货和破损从现场异常变成可派单、可验证、可回写、可训练的仓务闭环。
NRF Returns
Labor Shortage
MHI Deloitte
Picking Economics
Locus Scale
Brightpick
GXO Agility
GXO Dexterity
NDRC Logistics Cost
Cost Action Plan
Express Parcels
Cross-Border Ecommerce
Geek+
Quicktron
GLP RaaS
Oracle WMS APIs
Manhattan Robotics
GS1 EPCIS
Open-RMF
ros2_control
Qualcomm RB3
Qualcomm RB6
AI Hub
QNN
ONNX QNN
LeRobotDataset
LeRobot HIL
Alibaba PAI
Huawei ModelArts
Tencent GPU
AWS SageMaker
Google Cloud Training
Azure ML