2026年8月5日 · LabGlass-IS
From Transparent Labware Segmentation to Collision Avoidance: A Real-Time Edge-Aware Perception Pipeline
论文提出边缘感知实例分割框架，用于透明实验室玻璃器皿的实时碰撞避免。构建了 LabGlass-IS 数据集（3485 张图像，21 类）。模型边界 F 分数 97.80，比 YOLO-prompted FastSAM 高 18.93 分，推理速度 7.1ms/帧，参数仅为最接近精度竞争者的 2.85%。真实机器人试验碰撞避免成功率为 93.3%。
EVENT STORY
发展脉络
- 首次出现From Transparent Labware Segmentation to Collision Avoidance: A Real-Time Edge-Aware Perception PipelinearXiv cs.RO
- 当前判断透明物体分割是机器人操作和实验室自动化的长期难题，该方案以极低参数实现高精度，可能推动实验室自动化、医疗机器人等领域的低成本视觉系统部署。Agent Pulse · 分析
该论文提出一种边缘感知实例分割框架，利用透明玻璃器皿的边界轮廓作为可靠视觉线索，实现实时碰撞避免。通过在一阶段实时分割骨干网络上增加轻量级边缘检测分支、边缘引导注意力融合和 SimAM 模块，模型在自建数据集 LabGlass-IS 上取得 97.80 的边界 F 分数，比 YOLO-prompted FastSAM 高 18.93 分，同时保持 7.1ms/帧的推理速度，参数仅为最接近精度竞争者的 2.85%。多视角三角化掩膜质心提供 3D 位置，用于保守的包围盒碰撞约束。真实机器人试验达到 93.3% 的碰撞避免成功率。
该工作表明，对于透明物体，边界轮廓比内部纹理更可靠，因此边缘信息可显著提升分割精度。轻量级边缘分支和 SimAM 模块在保持实时性的同时大幅降低参数，提示在资源受限的机器人感知中，针对特定挑战设计专用模块比通用大模型更高效。
透明物体分割是机器人操作和实验室自动化的长期难题，该方案以极低参数实现高精度，可能推动实验室自动化、医疗机器人等领域的低成本视觉系统部署。
该技术可降低实验室自动化机器人的视觉系统成本，提高透明器皿处理的可靠性和安全性，对实验室设备供应商和机器人公司具有商业价值。
后续可关注该框架在更多透明物体类别上的泛化能力，以及是否被集成到商业机器人平台。