显微机器人焦栈轨迹整合理论发布

Junjie Xie 等研究者发布面向显微机器人的任务条件化焦栈轨迹整合框架，把语言指令映射为受约束的几何算子，复用冻结的开放词汇感知，并用置信度加权与动态规划整合各焦平面的局部可靠轨迹。 在九种局部照明条件下，该轨迹空间整合方法相对图像优先的多焦点融合把 RMSE 从 14.41 降至 6.28 像素（56.4%），P95 误差从 20.07 降至 8.13 像素（59.5%）；相对需 20–100 个标注的部件专用 U-Net 训练，零新增标注配置耗时 15 分钟而非 72–165 分钟。代表性机器人实验中，目标区域覆盖率从 83.5% 提升到 92.9%。

AI 根据报道生成 · 2 小时前更新