Nomagic 用仿真扩充部署数据，异常漏检率减半

机器人公司 Nomagic 在 NVIDIA GTC Berlin 期间分享「mastery-first physical AI」实践：高级 ML 研究工程师 Szymon Trochimiak 详解如何用仿真为物理 AI 生成罕见的真实部署异常数据，用于训练 Live Anomaly Detection（LAD）模型。结果显示异常漏检率（FNR）降低约 2 倍，误报率（FPR）仅约 1%，有效弥补真实数据的不足。

2026-10-20 ~ 2026-10-20 · 2 条相关

• Nomagic 用仿真扩充部署数据，异常漏检率降半仅 1% 误报 — m_wulfmeier · 2026-10-20

另有 1 条近重复转述:m_wulfmeier