Nomagic 用合成数据训练仓储机器人异常检测，正样本仅约 1%
m_wulfmeier · x · 2026-10-28
Nomagic 高级 ML 研究工程师 Szymon Trochimiak 发布博客，详解如何用合成数据教会其 Live Anomaly Detection（LAD）系统识别生产中极少出现的失败。这是对「real2sim2real」方法论的落地案例。
LAD 是什么：视觉系统以 15 FPS 监控每次抓取的相机画面，连续 3 帧判定异常（如物品在搬运中散开/拆封）即暂停机器人并转交远程操作员。两个核心指标：漏检率 FNR（可能把缺件的药品发给客户）和误报率 FPR（浪费操作员注意力并拖慢每小时数百次抓取的产线）。
数据难点：视频充足但有效标签稀缺——异常正样本仅约 1%，首个留出测试集只有 37 个正样本对 2604 个干净样本，一个检测的出入就能让真正例率波动近 3 个百分点，进度极难度量。
解法：用仿真合成数据主动生成生产中罕见的失败形态（如拆封物品），让模型在部署前就学会识别失败，而不必等待真实故障发生——即用仿真把部署数据倍增。
「具身」频道最新
- Dream-1 双臂机器人零样本抓取青柠，餐厅备餐自动化落地 — ___Mufasaa · 2026-10-28
- Metatron 发布：用 coding agent 指挥人形机器人全身运动 — ChongZzZhang · 2026-10-28
- ETH 团队发布 DeFM：深度图版 DINO，6040 万张深度图训练机器人基座模型 — ChongZzZhang · 2026-10-28
- 机器人格斗圈已实战 sim2real2sim 训练法，cixliv 确认已在用 — cixliv · 2026-10-28
- Wayve 研究员：没有好的 sim2real，只有 real2sim2real 迭代闭环 — m_wulfmeier · 2026-10-28
- 开发者晒折叠屏 iPhone 包装盒：真机到手「我们真在做了」 — Dimillian · 2026-10-28