跳到正文
11月3日周二
  1. arXiv · 机器人与计算机视觉57

    MOPDA:面向语言引导工业异常检测的混合轨迹同策略蒸馏方法

    该论文针对大视觉语言模型在工业异常检测中难以将判断转化为精确像素级定位的问题,提出了首个引入同策略自蒸馏的框架 MOPDA。该方法通过混合轨迹监督结合学生生成的部署相关路径与教师提供的证据条件化监督,并利用最终判断作为语义条件构建图像特定的正常与异常锚点以生成异常图。

  2. arXiv · 机器人与计算机视觉62

    基于少样本扩散模型的缺陷合成加速新产品视觉质检引入

    针对工业视觉质检在新产品引入(NPI)初期缺乏标注缺陷数据的难题,本文提出了一种端到端的高保真生成框架。该方法通过解耦缺陷形态与背景外观,结合掩码文本反转、噪声混合条件生成及梯度感知后处理技术,实现了域内增强与跨域迁移。

  3. arXiv · 机器人与计算机视觉38

    VerdictAD:通过决策引导微调实现少样本异常检测

    VerdictAD 是一个无需训练的框架,利用 DINOv2 基线结合全局与局部决策模块,在 MVTec AD、VisA 及 MVTec LOCO AD 数据集上提升了一样本和少样本异常检测性能。该插件式方法通过结构化决策概率提供互补证据,有效区分正常外观变化与真实缺陷,代码与实验日志已公开。

  4. arXiv · 机器人与计算机视觉43

    BGD-SF PolySegNet:结肠镜图像息肉分割的边界引导动态选择性融合网络

    BGD-SF PolySegNet 提出一种边界引导编码器 - 解码器架构,在 Kvasir-SEG 等数据集上实现 0.887 Dice 和 35 FPS 推理速度。该模型通过整合边界指导作为主动组件,使边界 F1 较最强 CNN 基线提升 15.7%,显著改善息肉边缘分割效果。研究已提交至 PLOS ONE,代码与权重暂未公开,但提供了完整的实验验证数据。

  5. arXiv · 机器人与计算机视觉48

    INP-Former 工业异常检测复现研究:MVTec AD 2 默认设置 AUROC 仅 63.4%

    研究者复现了无记忆库的 INP-Former,在 MVTec AD 2 默认设置下图像 AUROC 为 63.4%,显著低于原基准的 99.7%。消融实验显示单原型在公共划分及隐藏测试集上均优于六原型,且多数性能增益源于内在正常原型机制而非辅助损失。该研究揭示了部分原始基准结论难以迁移至更难数据,代码已开源。

  6. arXiv · 机器人与计算机视觉10

    3D Neural Rendering for Automated Ultrasonic Laser Scans 提出结合机械臂与神经渲染的波场重建方法

    该方法利用 UFactory xArm6 六自由度机械臂配合压电换能器,以已知姿态向静止激光多普勒测速仪展示声学激发测试件。训练出的 Complex-nerfacto 模型在保留复数测量值方面优于基线 RGB nerfacto,在独立视角下平均 ZNCC 达 0.60(基线为 0.28)。该技术已用于焊接铝制圆柱和 T 型支架的缺陷检测与表征,但稀疏扫描下的几何重建仍是实际部署的主要障碍。

  7. arXiv · 机器人与计算机视觉48

    PRISM-Net:基于 VLM 引导解耦属性蒸馏的可解释细粒度产品检索网络

    PRISM-Net 提出一种可解释多专家架构,利用零样本 SigLIP 提示词监督结构线与色彩专家路径,解决大规模电商系统中的特征纠缠问题。在包含 27.5 万图像的跨模型基准测试中,该网络将 SwinV2 的全折叠 mAP@10 从 80.98% 提升至 83.90%,其中线条与色彩识别分别提升 5.74% 和 9.12%。

  8. arXiv · 机器人与计算机视觉3

    MobileNetV2-CBAM 实现跨多年生作物领域的植物病害识别顺序迁移学习

    MobileNetV2-CBAM 模型通过从核桃到腰果、咖啡和芒果的顺序迁移,在 ABCGMP 六作物基准测试中达到 88.44% 准确率与 0.9949 ROC-AUC。该研究证实了轻量级注意力增强表示在多作物异质性下仍能保留显著预测能力,但广泛的多作物差异引入了可测量的性能约束。论文已上传至 arXiv,属于计算机视觉领域的预印本状态。

  9. arXiv · 机器人与计算机视觉35

    CRaFT-XDet:一种用于双能 X 射线违禁品检测的因果鲁棒融合 Transformer

    CRaFT-XDet 提出了一种基于因果不变性与物理动机的检测框架,将双能 X 射线威胁识别重构为衰减驱动模态变化下的不变表征学习。该模型拥有 29.2M 参数,推理延迟仅 1.7ms(345 FPS),在 SIXray 数据集上实现 0.9389 [email protected],且无需域适应即可在 OPIXray 和 HiXray 保持强泛化。

  10. arXiv · 机器人与计算机视觉35

    Beyond Black Boxes:基于本体论的透明水果病害检测视觉框架

    该研究提出一种融合语义知识库与实时视觉的混合检测框架,利用 OWL 形式化编码症状、光谱及形态特征以替代大标注数据集。在 MangoFruitDDS 公开集上,该方法实现 F1 分数、精确率均为 85.00%,召回率为 85.23%,性能媲美 VGG16 等深度学习模型。框架经计算验证结构稳健且具常识实用性(综合评分 7.4/10),为自动化水果病害诊断提供准确、透明且可扩展的解决方案。

11月2日周一
  1. arXiv · 机器人与计算机视觉78

    超越 CLIP:利用系统一决策模型进行校准后的(少样本)缺陷检测

    针对制造环境中收集大量缺陷图像困难的痛点,本文提出基于 Jev 和 Clef-Flash 两种结构化决策模型的框架,仅需每类两张参考图即可实现图像分类与检测。研究通过智能体自动优化引导文本描述,并将缺陷概率校准以提高可靠性。

    推荐理由:提出基于 Jev 和 Clef-Flash 的少样本缺陷检测框架,仅需每类两张参考图即可超越 CLIP,并提供校准方法与开源代码。

10月31日周六
  1. The Robot Report42

    Percepto 推出 Axion 物理 AI 平台统一检测数据分析

    Percepto 本周发布硬件无关的 Axion 物理 AI 平台,将公司战略从自主无人机转向软件优先。该平台通过 SaaS 模式整合第三方无人机与传感器数据,利用超 160 个 AI 模型及大语言模型分析关键基础设施状态并支持自然语言查询。Axion 旨在帮助石油天然气、电力传输等行业的运营方预防设备故障,无需绑定单一硬件供应商即可复用现有检测投资。

10月30日周五
  1. arXiv · 机器人与计算机视觉72

    SheafStain:一种基于层理论的薛定谔桥方法用于空间与生物学一致的虚拟染色

    针对病理全切片图像虚拟染色中存在的空间不连续和伪影问题,该研究提出 SheafStain 方法,将 VFM 特征重新解释为层状截面并集成到薛定谔桥框架中以维持全局一致性。该方法在 HER2、ER、PR 和 Ki-67 指标上,于 stitched 的 1024x1024 大图上进行评估,结果显示其优于六种现有方法并能有效缓解拼接伪影。论文已接受发表于 NeurIPS 2026,代码开源。

  2. arXiv · 机器人与计算机视觉78

    Cross-Encoder Anchor Refinement 用于零样本异常检测

    该研究提出了 Cross-Encoder Anchor Refinement (CEAR) 方法,旨在将异常判别从辅助训练域迁移到未见类别并定位细微缺陷。该方法在构建原型前连接同一图像的两种视觉编码路径:利用预训练的工业产品识别卷积编码器建立图像特定记忆,通过交叉注意力让空间锚点查询该记忆并进行残差细化;随后用图像条件化的正常和异常查询门控锚点聚合以构建原型进行评分。

    推荐理由:提出跨编码器锚点细化方法,在工业与医疗数据集上实现零样本异常检测性能领先。

  3. arXiv · 机器人与计算机视觉5

    Beyond Region Memory:视频喉镜下的声带局部点追踪方法

    Local Point Tracking(LPT)框架通过单帧检测、局部点传播与无状态掩码细化,解决视频喉镜中组织形变及遮挡导致的声带定位难题。该方法在两个独立数据集上取得优于现有基线的 mAP_50、成功 AUC 及缺失率表现,消融实验证实点追踪提升时序鲁棒性而框对齐优化边界紧密度。论文已被 WACV 2027 接收,代码与权重开放许可状态待确认。

10月29日周四
  1. Vision Systems Design20

    结构化异常日志如何培养 AI 辅助检测下的判断力

    结构化异常日志将存疑机器视觉结果转化为训练案例,帮助操作员评估证据、识别不确定性并遵循升级流程。记录零件批次、置信度及操作员初始评估等细节,用于区分假拒收与缺陷逃逸,避免误改检测设置。该方法通过匿名案例复盘提升判断力,适用于 AI 辅助检测日益普及的制造场景。

10月28日周三
  1. arXiv · 机器人与计算机视觉7

    RetailLightNet 轻量模型结合雾计算实现实时零售分析

    针对云端视频分析的高延迟与隐私问题,该研究提出基于雾计算的 F RLN 框架,利用 NVIDIA Jetson Nano 等边缘设备运行。模型采用深度可分离卷积及运动门控帧选择技术,在 SKU110K 和 RPC 数据集上实现 0.988 的精度、0.976 的召回率与 F1 分数,优于现有 CNN 基线。

  2. 智东西 · 机器人38

    江苏具身智能公司艾利特机器人宣布完成 2 亿元新一轮融资

    江苏具身智能公司艾利特机器人今日宣布完成由建信股权领投的 2 亿元新一轮融资,资金将用于开拓光通信、AI服务器等场景及扩充产能。该公司自研元启Primo工业大模型并融合视觉 - 语言 - 动作能力,协作机器人系列覆盖 5/6 轴构型且负载达 3~30kg。其产品已进入全球 50 多个国家和地区,2025 年出口销量占比达 33%,上半年海外增幅约 170%。

  3. NVIDIA Technical Blog13

    NVIDIA Factory Operations Blueprint 如何协调 AI Agent 调查生产问题

    NVIDIA Factory Operations Blueprint 通过协调 AI Agents 自动调查生产线故障,解决传统人工排查耗时长、跨系统整合难的问题。该方案旨在应对西门子报告指出的制造业每年平均 2.53 亿美元的非计划停机成本,帮助工厂团队在分析电路板失效或响应紧急订单时快速汇聚证据并制定下一步行动。

10月27日周二
  1. The Robot Report78

    ANYbotics 开始交付适用于爆炸性环境的 ANYmal X 四足机器人

    ANYbotics 今日推出并已开始交付 ANYmal X,这是全球首款专为爆炸性环境设计的四足巡检机器人,已获 ATEX(欧洲)和 IECEx(全球)认证。该机器人采用全封闭氮气舱、非金属外壳及防爆组件设计,无需设施改造即可在油气化工等高危区域自主运行。

    推荐理由:ANYbotics 发布首款获 ATEX/IECEx 认证的防爆四足机器人 ANYmal X,已交付给超 50 家客户用于高危环境巡检。

  2. The Robot Report78

    Embotech 与宝马达成百万辆级自动驾驶落地里程碑

    Embotech 与宝马集团宣布利用 Embotech 自动化驾驶技术在英国和德国的四个厂区累计完成 100 万辆车的自动移动,验证了该系统的规模化部署能力。该系统基于基础设施感知(Hesai 激光雷达),无需车辆改装即可在现有产线运行,由 TÜV SÜD 认证的安全架构保障可靠性。

    推荐理由:Embotech 与 BMW 宣布在四地累计完成 100 万辆车的自动移动,验证了无需车辆改装的工厂级 L4 系统规模化能力。

  3. arXiv · 机器人与计算机视觉23

    NucShare:轻量级核实例分割模型实现基础模型精度

    NucShare 通过共享 U-Net 风格解码器与任务专用轻量化头,在 PanNuke 数据集上以仅 37% 的参数量匹配或超越三个独立解码器的性能。学生版 NucShare-S 结合 ConvNeXt V2-Tiny 编码器,在保持教师版 99.1% mPQ 的同时推理速度提升 27.5 倍,并在 MoNuSeg 实现 0.668 的零样本 bPQ。

  4. arXiv · 机器人与计算机视觉65

    通过空间上下文约束解决长尾 TLS 基工业 MEP 点云分割中的原语共享歧义

    该研究针对机械电气管道(MEP)点云分割中减压器和阀门等关键安全部件因几何相似性导致的持续误分类问题,提出了一种扩展的类平衡损失函数。该方法引入边界熵约束与密度约束两种架构无关机制,利用邻域预测一致性与传感器物理先验来消除局部结构歧义。

  5. arXiv · 机器人与计算机视觉28

    EviGround-CT:LLM 生成的胸部 CT 报告句法到体积验证方法

    EviGround-CT 提出一种句法到体积的接地模型,用于验证大语言模型生成的胸部 CT 报告中缺乏扫描局部证据的阳性发现。该方法在 ReXGroundingCT 子集上评估显示,相比类别条件化,句法接地验证将证据支持精度(ESP)从 0.263 提升至 0.365,同时将不支持的阳性发现率从 0.737 降至 0.635。

  6. arXiv · 机器人与计算机视觉45

    Swin Transformer 与 YOLOv11s 框架实现腹腔镜胆囊切除术阶段识别

    该研究提出融合 Swin Transformer、时序编码器及 YOLOv11s 的框架,在 Cholec80 数据集上实现 92% 的阶段识别准确率与 0.863 的器械检测 [email protected]。模型通过因果平滑消除阶段闪烁,性能优于 EndoNet、SV-RCNet 等基线方法,代码将公开以支持智能手术室应用。

  7. arXiv · 机器人与计算机视觉58

    SGDB:基于语义 - 几何解耦与证据绑定的逻辑异常检测方法

    针对逻辑异常检测中身份识别与几何测量相互干扰的问题,研究提出 SGDB 框架,通过独立解码器学习物体身份、专用读取器提供最终测量值,并利用部分一对一关联绑定几何见证物。该方法在 MVTec LOCO 五个类别及 VID-AD 全部 50 个任务上分别达到 98.19% 和 93.56% 的 AUROC,支持冻结语言模型输出引用声明并保留数值证据,代码与补充材料已公开。

  8. arXiv · 机器人与计算机视觉42

    ResNet50 与 ViT-B/16 在胃肠疾病分类中的效率与统计基准评测

    ResNet50 和 ViT-B/16 在 Kvasir 数据集上准确率分别为 92.12% 和 91.70%,两者性能等效但前者参数量更少且 CPU 延迟低 2.5 倍。MobileViT-S 虽测试集准确率达 95.5%,但在 ScopeGuide 遮挡下误差激增,而 ResNet50 受影响较小。跨数据集验证显示架构差异远小于域偏移影响,资源受限场景下高效 CNN 是更稳妥的默认选择。

  9. The Robot Report68

    OMRON 拟收购 OnLogic 以拓展边缘 AI 应用

    OMRON Corp. 同意以 6.75 亿美元全资收购 OnLogic,预计于 2027 年 1 月完成交易并获监管批准。OnLogic 将保留其品牌、独立运营及全球办公地点,继续提供面向物联网边缘的可靠计算平台。此次收购旨在结合 OMRON 在控制、机器人和安全领域的经验与 OnLogic 的可配置计算能力,帮助客户在复杂环境中部署物理 AI,优化制造流程。

  10. EMVA 欧洲机器视觉协会 · 新闻2

    GenICam 标准迎来 20 周年,EMVA 确保参考库在 2027 年 12 月 11 日后符合 CRA 要求继续在欧洲上市

    GenICam 机器视觉标准由欧洲机器视觉协会(EMVA)维护并于 2006 年推出,旨在实现跨接口和制造商的相机标准化配置。在斯图加特 VISION 展会上,业界专家强调该标准显著降低了视觉系统的开发、集成及适配成本。受欧盟网络弹性法案(CRA)影响,GenICam 参考库的技术团队正积极制定解决方案,确保其在 2027 年 12 月 11 日后仍能满足 CE 标记要求并在欧洲市场流通。

10月26日周一
  1. arXiv · 机器人与计算机视觉84

    Flownomaly:基于单步条件均值恢复的少样本异常检测

    论文提出 Flownomaly 方法,将少样本工业异常检测建模为冻结 DINOv2 特征空间中的正态对应恢复任务。通过流匹配学习速度场,在直线路径上利用单次最优场评估即可得到干净正常 token 的后验均值,无需轨迹积分。

    推荐理由:该工作将少样本工业异常检测重构为冻结特征空间中的正态对应恢复,在单步流匹配下实现无需轨迹积分的后验均值计算。