在自动驾驶实验室中检测异常的视觉数据集
Shiwei Lin1, Zesen Chen2, Xiaobin Jia2
1Department of Computer Science and Technology, Tsinghua University, Beijing, China.
Scientific data
|November 14, 2025
概括
研究人员创建了一个新的数据集,用于在自动驾驶实验室中检测异常. 本资源有助于开发用于自动化科学实验的监控和决策的智能系统.
科学领域:
- 机器人和自动化 机器人和自动化
- 人工智能的人工智能
- 材料科学 材料科学 材料科学
背景情况:
- 自动驾驶实验室 (SDL) 通过自动化增强科学发现,但由于过程复杂性,异常检测仍然很困难.
- 挑战包括在SDL中识别事件,对象状态和环境条件中的异常.
研究的目的:
- 引入一套新型数据集,专门设计用于在SDL环境下在科学实验中检测过程异常.
- 促进视觉异常检测和SDL自动监控系统的研究.
主要方法:
- 从使用协作机器人的全自动化聚甲基 (PDMS) 合成工作流中构建了一个数据集.
- 图像从第一人称视角捕获,使用移动和固定机器人手臂上的终端效应器摄像头.
- 数据集包括1671个图像和2788个图像-文本对,包括具体步骤描述,异常标签和11个检查点和14个视点的区域级注释.
主要成果:
- 数据集支持各种视觉异常检测任务:图像-文本分类,异常类型识别,定位,接地字幕和归因分析.
- 它为开发SDL中的智能监控和自动决策提供了一个实用的资源.
结论:
- 这一数据集是推进自动化科学研究中的异常检测的宝贵资源.
- 它可以为自动驾驶实验室开发更强大,更智能的系统,提高实验可靠性和发现速度.
