Nomagic 用仿真扩充部署数据，异常漏检率降半仅 1% 误报

m_wulfmeier · x · 2026-10-20

机器人公司 Nomagic（mwulfmeier）在 NVIDIA GTC Berlin 期间分享其「mastery-first physical AI」实践：用仿真补充真实部署数据，训练 Live Anomaly Detection（LAD）视觉系统。LAD 以 15fps 监控每次抓取，检测搬运中散开的货物等异常，连续 3 帧阳性即让机器人暂停并转人工。难点在于异常样本极稀少（约 1% 患病率，测试集仅 37 个正例对 2604 个干净样本）。通过合成数据管线（抠图、匹配叠加、位置调整、gamma 校正）注入罕见失败场景，最终在仅 1% FPR 下将 FNR 降低 2 倍。