据9日消息,DGIST电子电气计算机工程系教授Yoon Seonghun与麻省理工学院博士后研究员Im Hyeongtae组成的联合研究团队,在全球最具权威的机器人学术会议“2026 ICRA(国际机器人与自动化大会)”现场机器人研讨会主办的“GOOSE 2D语义分割挑战赛”中,力压全球56支参赛队伍,最终夺得第一名。


此次成果不仅向世界证明了韩国基于人工智能的视频识别技术的卓越实力,也展示了面向与真实物理环境交互的“物理人工智能(Physical AI)”实现所需核心感知技术的广阔拓展潜力,意义深远。

参与联合研究团队的有(从左起)DGIST Yoon Seonghun、Lee Sangjin、Choi Hyobin、Park Jaeil、MIT Lim Hyeongtae

参与联合研究团队的有(从左起)DGIST Yoon Seonghun、Lee Sangjin、Choi Hyobin、Park Jaeil、MIT Lim Hyeongtae

View original image

本次挑战赛由德国弗劳恩霍夫IOSB研究所、慕尼黑联邦国防军大学和科布伦茨大学联合主办,旨在评估现场机器人对未经规整的真实环境中复杂场景的精确理解能力。与以城市中整齐道路为中心采集的既有自动驾驶数据集不同,此次比赛使用的“GOOSE数据集”最大特点在于,它是以现场机器人为核心、在不可预测的户外非结构化环境中采集的数据。


此次比赛使用的数据集由挖掘机、四足步行机器人等不同平台采集的非结构化户外数据构成,比现有城市道路环境更具挑战性。尤其是今年评估项目大幅扩展至64个细分类别后,赛事对极低频出现在现场的“稀有物体(Long-tailed class)”进行准确识别的能力提出了更高要求。


研究团队自主开发了一套框架,将Meta最新的自监督基础模型DINOv3与图像分割模型Mask2Former有机结合。该系统即使在光照变化、不规则地形、复杂背景等真实户外现场可能出现的诸多变量下,仍能稳定发挥出色的视觉识别性能。


尤其是,该系统最大化提升了在数据不足情况下人工智能容易遗漏的稀有目标判别性能,大幅减少了可能直接引发事故的灾难性识别失败(Catastrophic failure),从而提高了安全性。由此,未来不仅可应用于自动驾驶汽车,还可望全面拓展至灾害应对、智慧农业、建筑工地等多种现场机器人产业领域。


DGIST电子电气计算机工程系教授Yoon Seonghun表示:“在不可预测的户外非结构化环境中精确理解场景的技术,是保障现场机器人自主性与安全性的最核心技术。”他还称,“将以此次在全球舞台取得的成果为基础,持续推进可立即应用于实际机器人系统及多种产业现场的强大视觉感知技术研究。”



另一方面,此次成果是DGIST与海外顶尖研究机构通过紧密全球合作结出的宝贵硕果,外界认为,这将成为DGIST今后跃升为全球机器人与人工智能研究核心枢纽的重要基础。


本报道由人工智能(AI)翻译技术生成。

版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。

不容错过的热点