Nomagic用合成数据训练仓储机器人异常检测

Nomagic 高级机器学习研究工程师 Szymon Trochimiak 在博客中详解其 Live Anomaly Detection（LAD）系统如何用仿真生成的合成数据训练模型，识别仓储机器人在生产中极少出现的失败。做法是在部署前主动合成罕见失败形态（如包装已被拆开），而不是等真实故障发生再积累标签，因为实际训练数据中异常正样本仅约 1%。 LAD 是一套视觉系统，以每秒 15 帧监控抓取画面，连续 3 帧判定为异常后即暂停机器人并转交远程操作员。报道提到其首个留出测试集包含 37 个正样本和 2604 个干净样本，正负样本比例严重失衡，合成数据因此被用于补足少数类。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。