01五大 AI 核心问题

采摘机器人面对的世界比工厂机械臂复杂十倍。果实长在不规则的枝条上，会被叶子遮挡，颜色和背景相近，风一吹位置就变。下面五个问题是 2024 至今所有发表的采摘机器人论文都在回答的——每个问题对应一种独立的技术栈。

① 果实检测与成熟度判断

表面上是个目标检测问题，YOLO 类模型在 COCO 上做了多年。但农业场景有三个非标准条件：成熟度需要 4 分类（绿/粉/红/过熟，单一阈值不够），红色果实在带红反光的绿叶背景下对比度极低（枸杞最典型），同一簇果可能有 70% 被叶子遮挡。 直接用预训练 YOLO 准确率会从 95% 掉到 60% 以下。

我们的策略是分两段：YOLO11s fine-tune 做粗定位（或 Apache-2.0 友好的 RT-DETR 替代见 §13 module 01 footnote），然后 frozen DINOv3 特征 + ordinal regression head（4 类成熟度天然有序 绿→粉→红→过熟，比 softmax MLP 表达更准）做精确成熟度分类。DINOv3 (Meta 2025-08 发布，NASA JPL / WRI 已用 production，drop-in 替换 DINOv2) backbone 永远 frozen，只换分类头——单作物 200-500 张标注图就够（跨形态作物如垄作草莓 vs 蔓状枸杞取上限 500 张）[1][53][54]。Long-tail fallback：作物标注图 < 100 时退到 Grounding-DINO 文本 prompt "ripe X" + Qwen2.5-VL-7B-AWQ cross-check（处理 v3.0+ 咖啡 / 茶 / 桃 / 梨 等长尾扩展场景）[55][56]。VLM 不作 standalone ripeness 判定（2025 cross-VLM benchmark 显示 zero-shot 准确率 < YOLO11 supervised baseline），仅低置信度 cross-check + 长尾兜底[57]。

② 3D 空间定位

视觉知道果在哪里还不够，机械臂需要毫米级的 6D 位姿 (x, y, z, roll, pitch, yaw)。RGB-D 相机（如 RealSense D405）能给立体硬件深度，但在叶子翻动、阴影斑驳、果实表面反光的情况下会出现“幽灵深度”——某些像素的深度估错几厘米，导致机械臂去够空气或撞枝。

解法是融合两路深度：硬件立体（confident 但稀疏）+ Depth Anything V2 单目神经深度（dense 但相对）。两路一致的地方才信，不一致的地方调用 NanoSAM 重新分割再投票。最终位姿误差控制在 ±5 mm。

③ 可达性与路径规划

枝条柔软，会跟机械臂之间发生“双向影响”——你伸过去枝条被撞偏，果就跟着移动。这意味着规划阶段算出来的关节轨迹在执行 100 ms 后可能就过时了。传统做法是用 MoveIt2 + FCL 做静态规划，离接近目标 10 cm 时再切到伺服控制。

我们在 MoveIt2 上加了一层异步流式规划——大脑慢规划（1-2 Hz），小脑接管最后 10 cm（30-50 Hz）。这中间的协调由 Real-Time Chunking 处理，下面 §02 详讲。移动平台层的全局 + 局部规划（A* / Dijkstra · DWA / TEB）同样基于 ROS 2 Nav2 栈，详见 §03.5 工程骨架。

④ 末端柔顺控制

水果损伤的本征参数是应变 + 模量而不是单点法向力。以蓝莓为例：果肉杨氏模量 0.339 MPa、屈服应力 σ_y ≈ 0.063 MPa、瘀伤判据 PEEQ ≥ 0.1（FEA 离线损伤判据，Zheng et al. 2024）[18]；按 ø3 mm 硬指端估算接触面 A ≈ 7 mm²，均匀应力近似 F_crit ≈ σ_y × A ≈ 0.44 N（一阶量级估算；Hertz 球-平面接触应力在次表面 z ≈ 0.48a 处先达屈服，含 0.62 因子的完整 von Mises 推导仍回到 ~0.4-0.5 N 量级；A 随接触力变化、E* 不确定，综合精确值有 ±50% 区间），与 Gunderman 2022 黑莓软抓手实测工作点 0.5-0.78 N 同量级[24]。冲击破皮以 BIRD 跌落计算：硬质 120 cm / 软质 60 cm 是分级线（Yu et al. 2014 BIRD 法）[25]。这意味着夹爪不仅要软，抓取动作本身的速度、扭转角度、力的渐变都要被精确控制。传统 PID 控制器无法处理这种多维约束。

团队 v1.0 草莓力学锚点：成熟期红色草莓表层弹性模量 0.356 MPa、生物屈服应力 σ_y = 0.0045 MPa、草莓-硅胶静摩擦系数 μ = 0.76（团队 2025 实测，详 Refs [52]）。自研 4 指气动柔性软爪在 16 kPa 工作气压下，末端 10 mm 处对果实表面的应力实测为 1.74-2.18 × 10⁻³ MPa（约屈服阈值 40-50%）——这是 v1.0 在实验室仿垄环境实测 6.3% 破损率的力学边界。物种说明：σ_y 数值与物种强相关（蓝莓 0.063 MPa / 草莓 0.0045 MPa，量级差 14×），蓝莓 / 黑莓数据保留作 cross-reference，工程目标针对草莓数据对齐。

解法是用 Diffusion Policy CNN U-Net 学习人类示教的抓取轨迹。150-300 个遥操作 demo（草莓基线 · v2.0 base，团队 v1.0 已有 300 次实验数据为候选样本上限，2 工程师周 reformat 后预期得 ~30-60 条 LeRobotDataset v3.0 prod-ready episodes + 新采 100-200 episodes）（用 SO-101 leader-follower，单价 $250）就能让策略学会"接近 - 包裹 - 扭转 - 撤回"四个阶段的连续动作。[2]

⑤ 跨作物泛化

每种水果都要重新收 5000 demo，团队会被数据成本拖垮。我们的设计是共享骨干 + 每作物 LoRA 适配器，按迁移成本排序——草莓做 v2.0 主基线（150-300 demo 一次性投入，含 v1.0 已有实验数据 reformat ~60 + 新采 100-200，对齐 §08 数据需求曲线）；后续按优先级 v3.0 番茄 LoRA → v3.1 枸杞 LoRA → v3.2+ 冬枣 / 桃 / 梨 / 柑橘 → v3.3+ 咖啡 / 茶（各 100-200 demo + LoRA 微调适配）。番茄优先于枸杞的工程理由：Helios cherry tomato 原生支持（vs 枸杞需自写 PhytomerCreationFunction 4-8 工程师周）、全年设施栽培无季节窗口、学术权重生态成熟（Robofruit / DexFruit fork target / MetaFruit / Apache 2.0 权重多）。详见 §III。[3] 选草莓做 v2.0 base 的理由：团队 v1.0 物理样机已完成 91.3% 综合成功率 / 6.3% 破损率 / 15.1 s 单果周期的实验室仿垄环境验证（详 §15 SOTA 表后 v1.0 baseline 与 §11 主作物战略论证）[52]。

02我们的架构原则

每条原则都有公开论文或源代码支撑——不是产品宣传，是工程依据。

系统总览 — 感知层 + AI 认知层

两层分工：硬件传感器把世界变成数字，AI 模型把数字变成动作。每一项都对应到后面章节的技术细节。

— 感知层 · sensing

— ai 认知层 · cognition

03双脑分层架构

整套系统由两台计算单元组成。MVP 阶段全跑在 Jetson AGX Orin 64GB 上；量产阶段把小脑移到 RK3588 SBC（功耗减半 + 续航 ×3 + 故障域隔离），通过千兆以太网 + ROS 2 Zenoh 共享内存通信。

为什么大脑要慢？因为 Qwen2.5-VL-7B-AWQ 在 AGX Orin 上单次推理工程外推 ~600-800 ms（3B 公开实测 ~300 ms / 30 tok/s 社区 / 225 tok/s 优化栈，参考 NVIDIA forum thread 345073[7]；7B 推理量 ~2× 3B，Jetson 社区公开 benchmark 缺失，v0 期实测补），不可能 30 Hz 跑。但大脑负责的事——读懂"摘左侧第二串成熟枸杞"、判断遮挡是否能绕过、估计采摘是否安全——这些 1-2 Hz 就够了。

为什么小脑要快？50 Hz 控制频率是机械臂闭环响应风扰、湿度变化、果实位置抖动的最低门槛。低于这个频率，外环扰动来不及补偿，会出现"过冲—回拉"的振荡，破坏果皮。

RTC 怎么让两边对得上？下文 §05 详解 chunk-inpainting 桥接。简单说就是：大脑发的动作 chunk（8 步 × 6D 草稿位姿 ∈ ℝ^{8×6}，覆盖未来 250 ms）小脑按 30 Hz 逐步执行；中途新观测到达时，大脑下一帧发新 chunk，小脑用 ΠGDM 把新旧 chunk 平滑拼接，不出现关节速度跳变。

03.5工程骨架：ROS 2 + 地面导航 + 续航

AI 决策层（§03 双脑）之下需要一个可靠的"地面层"承接命令：机械臂去哪里、移动平台怎么开过去、电池什么时候要回去充。这一层的栈技术早已成熟，不是 differentiator——但栈深度、算法选型、场景切换逻辑是工程能力分水岭。下面三块——ROS 2 中间件 / SLAM + RTK 导航 / 续航管理——一次性讲清楚。

① ROS 2 是什么 · 为什么用

ROS 2 Humble + rmw_zenoh shared memory 是整套机器人的"操作系统"——节点通信、硬件抽象、消息传递、规划框架都跑在 ROS 2 之上。AI 决策层是骨架之上的大脑 + 灵巧手，不是替代 ROS 2 的方案。这两层的关系类似 Android 系统 (ROS 2) + App (VLM + DP)：没有底层 OS，每个 App 都要重写驱动 / 调度 / IPC。

为什么是 ROS 2 不是 ROS 1：(i) DDS 真实时通信，端到端延迟 5 μs（同机进程内）/ 1 ms（千兆以太网跨机），ROS 1 的 TCPROS 至少 200 μs；(ii) 原生多机架构（多臂 + 移动平台同总线管理），ROS 1 master 单点故障；(iii) 国内主流机械臂厂商 ROS 2 driver 覆盖完整（JAKA / Dobot / Aubo / Doosan 都有官方支持[42]）。为什么不自研中间件：写一个跑得动的中间件需要 2-3 工程师年 + 生态绑死。"生态 > 性能微调" 在这个阶段的取舍下，ROS 2 + Zenoh 是 Pareto 最优。

② SLAM + 自主导航

SLAM 三路融合，不是单一算法兜底——温室 / 露天 / 强光眩光三场景下任何单一 SLAM 都有失效域，单点失败会卡死整机。三路并行输出统一在 robot_localization EKF 投票，给上层一个稳定的全局位姿。

自主导航 Nav2（不是 ROS 1 时代的 move_base）：Behavior Tree navigator + behavior server 统一调度全局规划（A* / Dijkstra · 农田跨垄长路径）和局部规划（DWA · 标准；TEB · 弯道 / 窄通道 / 农具避让），输出 cmd_vel 给底盘驱动。多目标排序、归航、暂停、避障兜底全在 BT 树里描述，**改场景换 BT 文件，不改代码**。

③ 北斗 / GPS / RTK 室外定位

室内依赖 SLAM 已够；但开放果园 / 农田场景需要绝对全局坐标。RTK 北斗 B1I/B2a 双频 + GPS L1/L5 双频 + RTK 差分是国产基线选型，定位精度 ±2 cm（开阔）/ ±10 cm（弱遮挡）。

实现链：北斗模块串口 → nmea_navsat_driver 解析 NMEA-0183 → ROS 2 标准 /fix 话题 → robot_localization EKF 融合 GPS + 9 轴 IMU + 底盘里程计 + SLAM 局部位姿 → 输出 UTM 全局坐标 + 协方差。室内/室外切换：温室入口 entry-zone（GPS 锁定 + LiDAR 同时观测 5 s）触发定位栈交班，避免单一定位栈失效时机器人"瞎"了。

④ 续航 + 自动归航联动

导航栈不只为"开过去"服务——还为"回家充电"服务。Energy-aware mission planner 每 30 s 评估一次：

1. 当前电池剩余电量 (BMS SoC)；
2. 完成当前任务 cluster（剩余果簇 × 单果能耗）所需能量；
3. 完成后归航到充电桩所需能量（用 SLAM 持久化地图 + A* 估算路径长度 × 平均移动能耗）；
4. 叠加 30% 安全裕度；
5. 若 (1) < (2) + (3) + 裕度 → 立即触发 Nav2 归航 to 充电桩 RTK 锚点。

详细电池规格 / 自动换电流程 / 充电桩部署见 §13 module 06 续航 + 自动换电。

04感知栈

感知层 30 Hz 跑在 Jetson AGX Orin 上，端到端延迟 28 ms 一帧。整个流水线分 6 个阶段，每个阶段在论文或工程实测中都验证过 Jetson 上的 FPS。

为什么 SAM2 原版不用？SAM2 在 AGX Orin 上只有 2 FPS，跑不动 30 Hz 主循环。NVIDIA 自己开发的 NanoSAM 把 image encoder 蒸馏到 mobile ViT 量级，AGX 上可达 30 FPS。[8]

为什么 SAM 只对 top-K 候选做？YOLO 每帧检测可能输出 50 个 bbox，但机械臂一次只能摘一个。优先级排序后取最高的 3-5 个候选送 SAM 做精细分割，剩下 45 个直接丢——节约 80% 算力。

Depth Anything V2 用 Small 不用 Base 或 Large？因为我们用立体硬件深度做 ground truth，DA 只负责"补洞"（叶子重叠、阴影区域）。Small 已经够用，Base 多 50% 延迟收益不到 2% 精度。

05Real-Time Chunking

这是整套系统最精巧的部分——把异步推理框成一个图像 inpainting 问题。

RTC 的论文是 Physical Intelligence 团队 2025 年 6 月发的 Real-Time Execution of Action Chunking Flow Policies[4]。它解决的问题是：diffusion / flow policy 一次推理出未来 H=50 步动作，但实际只执行前几步就要重新推理。如果新旧 chunk 拼接的位置不平滑，关节就会抖。

RTC 的核心 trick 是把新 chunk 的去噪过程额外加一项软约束，让前 d 步（已执行）冻结，中间 (H-s) 步软约束向旧 chunk 靠近，最后 s 步自由生成。这样新旧 chunk 在中间过渡段自然衔接。

数学上是 ΠGDM (pseudo-inverse guided diffusion model) 的移植——原本用在图像 inpainting 上，现在用在动作 chunk 的"时间维度 inpainting"上。整个修正函数的核心 15 行代码（JAX 版本）：

def pinv_corrected_velocity(self, x_t, obs, y, t, inference_delay):
    # Predict clean sample x_1 via flow ODE
    def denoiser(x_t):
        v_t = self(obs[None], x_t[None], t)[0]
        return x_t + v_t * (1 - t), v_t

    x_1, vjp_fun, v_t = jax.vjp(denoiser, x_t, has_aux=True)
    weights = get_prefix_weights(inference_delay, prefix_attention_horizon,
                                  self.action_chunk_size, schedule)
    error = (y - x_1) * weights[:, None]
    pinv_correction = vjp_fun(error)[0]
    inv_r2 = (t**2 + (1 - t)**2) / ((1 - t)**2)
    c = jnp.nan_to_num((1 - t) / t, posinf=max_guidance_weight)
    guidance_weight = jnp.minimum(c * inv_r2, max_guidance_weight)
    return v_t + guidance_weight * pinv_correction

诚实的真实区间：论文 Figure 1 的"300 ms"是单条 rollout（π0.5 match-lighting），不是统计平均。系统性吞吐评估在 6 任务 × 10 episode = 60 ep 上做，注入延迟为 +0 / +100 / +200 ms（基线模型本身仅 76 ms + 10-20 ms 网络）。实测+200 ms 注入延迟下仍稳定，更高延迟未测。RTC 有效工作区间 ~10 Hz 推理 + 50 Hz 控制器；用于本架构 1-2 Hz 大脑 + 30-50 Hz 小脑场景属工程外推，需配合 §03 提到的 latent passing / bridge buffer 同源方案。

06小脑选型矩阵

我们在 6 种主流 policy 之间做了选型，每种都读了论文 + 代码 + recent issues。Diffusion Policy CNN U-Net 是唯一同时满足三条硬指标的选择：(1) 有完整 real-robot 代码栈，(2) ONNX 可导出量化，(3) demo 规模与团队匹配。

07通信总线

大脑和小脑通过 ROS 2 Humble + rmw_zenoh shared memory 通信，端到端延迟 5 μs（同机进程间）或 1 ms（千兆以太网跨机）。消息格式选了"语言原语 + 6D 草稿位姿"的 JSON 形式——可调试、可日志、可审计。

{
  "instruction_zh": "摘取左侧第二串成熟枸杞",
  "target_bbox_2d": [847, 412, 923, 488],
  "target_pose_6d_hint": [0.42, -0.18, 0.95, 1.57, 0.0, 3.14],
  "primitive": "approach | grasp | twist_pluck | retract",
  "ripeness_class": "mature",
  "ripeness_confidence": 0.85,
  "max_force_n": 0.5,
  "shake_freq_hz": 25,
  "shake_amp_mm": 8,
  "stamp_ns": 1735689600000000000,
  "ttl_ms": 500
}

为什么不用 protobuf？JSON 慢、大、但人能读。在我们这个量级（1-2 Hz 消息），可调试性 ≫ 性能。等 Y2 商用扩到 100+ 机器人时再切 protobuf 不晚。

primitive 字段的妙处：把"摘"原子化成 4 个动作 (approach / grasp / twist_pluck / retract)，每个原子动作绑定一个小脑专用策略 (4 个 Diffusion Policy heads，共享 backbone)。跨水果换作物时，primitive 序列变化（草莓 approach→grasp→cut_peduncle→retract · v2.0 base；番茄 approach→grasp→twist→retract · v3.0 LoRA；枸杞 approach→shake→catch→retract · v3.1 LoRA），但中层接口稳定。

JSON Schema · 大脑—小脑契约

VLM 输出长 JSON 实测仍有 2-8 % 格式错误率（社区报告，长度敏感）。我们把整套消息锁死成 JSON Schema Draft-07，用 XGrammar 在解码端强制结构合法——零额外 token 延迟，FSM 压缩，Orin 上 vLLM 默认后端验证可用[30]。

{
  "$schema": "https://json-schema.org/draft-07/schema#",
  "type": "object",
  "required": ["primitive", "target_bbox_2d", "ripeness_class", "stamp_ns", "ttl_ms"],
  "properties": {
    "primitive": { "enum": ["approach","grasp","twist_pluck","shake","catch","retract"] },
    "ripeness_class": { "enum": ["green","pink","mature","overripe"] },
    "target_bbox_2d": { "type": "array", "items": {"type":"integer"}, "minItems": 4, "maxItems": 4 },
    "ripeness_confidence": { "type": "number", "minimum": 0, "maximum": 1 },
    "max_force_n": { "type": "number", "minimum": 0.1, "maximum": 10 },
    "ttl_ms": { "type": "integer", "minimum": 100, "maximum": 2000 }
  }
}

三级容错管道

• L1 解析：strict JSON.parse 失败 → json-repair（修补尾逗号 / 未闭合括号）→ 正则抽字段兜底。
• L2 校验：缺 target_pose_6d_hint 时退化到 bbox + depth；缺 primitive 时复用上一帧 chunk。
• L3 看门狗：ttl_ms 过期或 3 次连续失败 → 小脑切到 hold / retreat 安全 primitive；同时检查 stamp_ns 单调性防止旧 chunk 复用抓空。

08数据需求曲线

每个数字都可以 trace 到论文的具体 Table 或 Figure。

09LeRobot v0.5.1

HuggingFace LeRobot 是 2026 年 4 月发布的 v0.5.1，commit 1396b9fab7。我们对每个 policy 模块、PEFT 集成、RTC 集成都做了源码审计。下面是可以直接用 vs 需要 patch的清单。

典型的训练命令（从 SO-101 收数据 → 训 Diffusion Policy → 跨水果 LoRA 微调）：

# 1. 安装 v0.5.1
$ pip install lerobot[smolvla,pi0]==0.5.1

# 2. 用 SO-101 收 200 demo · 草莓 v2.0 base（含 v1.0 reformat ~60 + 新采）
$ lerobot-record \
    --robot.type=so101_follower \
    --teleop.type=so101_leader \
    --dataset.repo_id=$USER/strawberry_pick_v2 \
    --dataset.num_episodes=200 \
    --dataset.fps=30

# 3. 训 Diffusion Policy CNN U-Net · 草莓 base
$ lerobot-train \
    --dataset.repo_id=$USER/strawberry_pick_v2 \
    --policy.type=diffusion \
    --policy.horizon=16 --policy.n_action_steps=8 \
    --batch_size=64 --steps=200000

# 4. v3.0 番茄 LoRA 微调 (优先级 1: Helios 原生 + 全年设施 + 学术权重多)
$ lerobot-train \
    --policy.path=$USER/dp_strawberry \
    --peft.method_type=LORA --peft.r=32 \
    --dataset.repo_id=[$USER/tomato,$USER/strawberry] \
    --dataset.weights=[0.8,0.2] \
    --steps=20000

# 5. 导出 ONNX 给生产用（自写脚本 · 因为官方没有）
$ python scripts/custom_export_onnx.py \
    --checkpoint=$USER/dp_strawberry_tomato_lora \
    --output=models/strawberry_v2.onnx --opset=17

10跨作物迁移

跨作物迁移的关键是分清哪些层共享，哪些层 per-crop。我们的设计：

为什么 LoRA r=32 而不是 r=8 或 r=64？r=8 的表达力不够拟合一个新作物的动作分布（实验上成功率掉 10-15%），r=64 的参数增多但收益边际递减。32 是 OpenVLA paper 和 LeRobot 默认推荐值——我们没改。

为什么 v2.0 主基线选草莓？(1) v1.0 已实证——团队 2025 物理样机在实验室仿垄环境实测 91.3% 综合成功率 / 6.3% 破损率 / 15.1 s 单果周期（300 次重复试验），是公开范围内已有的最强工程基线 anchor，v2.0 直接继承软爪 + 移动平台 + 仿垄环境硬件资产[52]。(2) 客户 narrative 强——中国草莓产量 368.2 万吨（2021），2007 年起全球第一，单机 ROI 与销售路径明确。(3) 力学数据齐全——σ_y 0.0045 MPa / E 0.356 MPa / μ 0.76 / 软爪 16 kPa 工作点全套自测，可作为 DP small-brain 训练时的边界约束参考（具体 force-bound 加入 loss 的方式 W5-8 实验确定）。跨作物按优先级展开：v3.0 番茄（Helios 原生 + 学术权重多）→ v3.1 枸杞（全国 100+ 亿综合产值）→ v3.2+ 冬枣 / 桃 / 梨 / 柑橘 → v3.3+ 咖啡（云南 niche）/ 茶（需新末端硬件：剪+吸 / 微镊，独立工程预算 2-3 月），不是 v2.0 day-1 焦点；详 §11 战略论证 + §16 W21+ 路线图。

11主作物 roadmap · v2.0 草莓 base → v3.0 番茄 → v3.1 枸杞 → v3.2+ 扩展

v2.0 base = 草莓（v1.0 物理样机继承 + AI 软件栈升级）。跨作物按迁移成本优先级排序：v3.0 番茄（Helios 原生 + 全年设施 + 学术权重多，迁移最简）→ v3.1 枸杞（全国 100+ 亿综合产值 / 宁夏 340 亿 + AI under-served 最强但 Helios 自写 + 季节短）→ v3.2+ 冬枣 / 桃 / 梨 / 柑橘（学术多但权重缺）→ v3.3+ 咖啡 / 茶（出海 + 名优茶需新末端硬件，独立工程预算）。复用 80% 代码 + 20% 替换末端 + 小脑 LoRA + 数据集。

* Helios v1.3.72 共 24 个原生物种（2026-05 验证，commit 锁定）。7 战略作物覆盖率：Strawberry + Cherry Tomato 直接原生 ✓（v2.0 + v3.0 即用）；桃 ← Almond · 梨 ← Apple 同属借用 ⚠（~2 工程师周 / 种）；柑橘 · 枸杞 · 冬枣 完全自写 ✗（4-8 工程师周 / 种）。Helios Strawberry asset 功能稍薄（仅 Fruit/Flower/PhytomerCreation 函数，无 PhytomerCallback），v2.0 阶段补 ¥40-80k sim asset 工程预算[52]。完整原生物种清单详见 §12。

自训成本锚点（B3 audit）：7 作物 from-scratch 自训总成本 ~¥420-680k（数据采集 + 标注 + GPU + reformat），vs 商业部署 ~¥2.5-3.5M（节省 65-80%）；GPU 4090 LoRA r=32 / 作物 ~¥3-5k；ROI 拐点第 2 作物即回本；护城河 = 2 项硬资产（v1.0 物理样机 know-how 含 σ_y + 软爪 spec + 91.3% baseline · 客户场景数据飞轮）+ 5 项配置组合（7-LoRA / 7-PhytomerFn / 中文指令 / Orin 调优 / VLM+DP 双脑工程整合）= 18-24 月 catch-up barrier（工程复刻 6-12 月 + 数据/客户场景 12 月）。

12仿真：能干什么 · 不能干什么

Helios plugins/plantarchitecture/include/Assets.h 物种清单（commit 1.3.72，2026.05 验证）：

"Find the Fruit" (arXiv 2505.16547) 的真相：Isaac Lab 农业相关最高调的论文，测试用的是塑料假果实——not real plants. 96% sim → 87% real-on-fake.[10]

3DGS + Helios 双轨

2024-2026 出现的 3D Gaussian Splatting 把 sim-to-real gap 又拉低一档。我们采用双轨而非二选一——Helios 负责程序化植株几何 + RL 训练，3DGS 负责视觉 sim-to-real 桥接 + 数字孪生 + 时序追踪。

结论：3DGS 作为数据增广 + 数字孪生外观层进入仿真栈；抓取闭环几何与物理仍以 Helios + 传统传感为准。二者非替代而是分层。

13能力模块图

整套系统按 6 个能力模块组织 — 感知、计算、机械臂、移动平台、末端 + 力反馈、续航 + 自动换电。每个模块给出 SOTA 主选型 + 国产可选 + 国际对照 + 阶段成熟度，主流件 80%+ 可国产替代，供应链对外脱钩可达。下文不出零售价 — 量产档采购口径由 Pilot 期议价框定，白皮书层面只锁住技术选型与阶段升级路径。

13.3 自助 BOM 估算器

读完上方能力模块图，如果你想亲手拨一拨"这套机器跑起来到底多少钱"——下方配置器允许你按类别选机型、调定价倍率、看实时毛利结构。数据源于 2026-05 京东 / 淘宝 / 厂商官网 / 海外经销实价（详见 audit-2026-05/_phase2_5/bom-real-prices.md，38 条挂牌价多源交叉）。OEM 价按 100 台/年量产折扣 30-35% 推算。

数据来源：京东 / 淘宝 / 厂商官网 / 海外经销（DJI Store / Intel RealSense Store / Ardusimple / Devonics / Vention / Unchained Robotics）多源交叉，时点 2026-05。OEM 100 台/年口径含 25-35% 量产折扣，与节卡港股 ASP ¥4.71 万、节卡招股书 ¥5.80 万互证。最终以厂商意向报价单为准。海外部署 +12-25% 关税 / +25-40% 经销加价 / +10-20% 现场服务，总价 ×3-5 倍。完整数据见 audit-2026-05/_phase2_5/bom-real-prices.md。

采后分级 · Y2 规划

末端不背 NIR — 让光谱模组留在分级线。机械臂末端要的是 < 100 ms 决策延迟 + 抗振动 + 量产成本 < 500 元；而 NIR 单果糖度商用精度依赖 50-500 ms 静态积分 + 单品种 PLS 模型，至今全球无量产末端集成。Y2 起把糖度判断后置到采后线，由 NIR 模组完成 ±0.5 °Brix 的内部品质分级，与机器视觉外观瑕疵 + 称重粒径合并出标准化结果。

枸杞特殊说明：鲜枸杞蜡质反光 + 单粒 0.3-1 g 远低于 NIR 采样体积（> 5 g 等效路径），单粒 NIR 信噪比不足。Y2 走 高光谱成像 + 群体采样；等 SWIR 芯片化（trinamiX / ams-OSRAM 1-3 µm）成熟再升级单粒。

14中国对手 · 经核实

* 本表分析以截至 2026-05 公开材料 + 媒体访谈为依据；对竞品技术栈的判断以其公开口径为准，未涉及对未披露内容的推断。中国发明专利申请有自申请日起 18 个月的公开期，本表可能未涵盖该窗口内未公开材料。表中具名学者在其主要研究方向（如汪小旵团队在设施农业 / 智能农装）有显著公开学术贡献。

15SOTA 三件套

跨 12 篇 2024-2026 论文综述后的真实瓶颈——不是夹爪软硬度，是遮挡感知和周期时间。

三个洞察：

• 软爪硬件不再是瓶颈——损伤率已 ≈ 人类。问题在视觉遮挡 + 周期
• WSU 草莓加风扇移遮挡 58 → 74%（+15.8 pp）—— "物理介入感知"是新思路[19]
• Rong 番茄 cut-point 88.5% → 抓取成功率 57.7% — 30 pp 流失在抓取/规划，不在感知前端
• 多臂加速比双口径：Tiantian 三轴 Cartesian gantry 3 臂 1.96×（η ≈ 0.65）/ Lammers & Zhu 双 4-DOF 苹果 28% time reduction（= 1.39× speedup, η ≈ 0.695）/ Zhu et al. arxiv 2505.10028 12 臂 Cartesian gantry simulation 12.7× @ 100 fruits/m² / Lu Agronomy 15:1446 4 臂运动学。6-DOF 4 臂协作目标 2.5-2.8×（stretch, η = 0.62-0.70）/ 保守 1.8-2.4×（紧协作 baseline, η = 0.45-0.60）—— 不是 N 倍线性，BOM × N 时收益边际递减

* 五条件定义：(1) ≥ 85% 选择性采摘成功率（开放/温室环境，未受控）；(2) ≤ 5% tactile-graded 损伤率（FEA 仿真或人工评级，非外观目测）；(3) ≤ 8 s 单果周期（含视觉 → 规划 → 抓取 → 放置完整链路）；(4) 开放果园环境（含遮挡 / 风扰 / 光照变化）；(5) peer-reviewed 期刊或顶会发表。检索方法：2024-01 至 2026-05 检索 arXiv (cs.RO) + IEEE Xplore + Google Scholar + 知网 CNKI + Springer JFR/CompAg，关键词 fruit harvesting / picking robot / selective harvesting / orchard robot，共筛 ≥ 50 篇候选。本声明每 3-6 个月复核。

166 个月技术里程碑

2 工程师 · 6 个月。每个里程碑都有 VERIFY 验收点。

CE 认证里程碑（与技术 6 个月并行）

17需求侧 · H-2A 缺口曲线

美国农业劳工市场已被 H-2A 工签体系深度依赖，缺口曲线持续陡峭——这是采摘机器人海外订单池的根本来源。

18直接对标 · 欧美 5 家

采摘机器人海外赛道已分化为四种商业模式。学谁、避谁，由商业模式可持续性决定。本表事实截至 2026-05；海外赛道动态（Wavemaker / CNH Industrial / Oishii 等收购链）持续跟踪。

赛道 M&A 密集本身就是信号：5 家中 3 家在 2021-2025 已发生重大事件 —— Abundant 2021/5 停运 + 资产拍卖、Tortuga 2025/3 被 Oishii 收购、Advanced.farm 2024/10 被 CNH Industrial 全资收购。三起事件都发生在"工程原型成熟但还没规模化营收"的窗口期。这说明采摘机器人赛道的关键里程碑不是 IPO，而是"做出 CNH / Kubota / John Deere 愿意 M&A 的工程原型"——退出通路已被 Tortuga / Advanced.farm 两案验证。

* 货币说明：C$ = 加元；表内未前缀 $ 默认 US$。4AG Series B 公告时点 2025-07，月均 C$/US$ ≈ 0.731（Bank of Canada）。

19认证 · 第一道硬门槛

20中国样本 · 乔戈里 2000 万美金

乔戈里科技（杭州 KRTECH）2024 年出口 2000 万美金，业务遍布五大洲。卖断为主，覆盖猕猴桃 / 苹果 / 番茄 / 草莓 / 梨多果种——中国采摘机器人出海最实在的样本。路径 = 多果种通用平台 + 渠道分销，不押注单果种深度。

同时极飞 / 大疆的植保无人机已建好海外农机渠道（极飞 70 国、大疆 100 +），丰疆智能插秧机用 20-30 % 低价进入欧美——这些基础设施都可被采摘机器人复用。短板是 (a) CE 认证流程未补齐 (b) 海外售后季节保障团队空白 (c) 单果种深度不及 Tevel WA 3 季试点。

中国农机出海 CE 样本