IndusAgent：用于开放词汇工业异常检测的代理工具
计算机视觉与模式识别
2026-05-21 v1
摘要
多模态大语言模型 (MLLM) 在跨越多样化工业场景的视觉感知与文本推理之间展现了显著能力，实现了零样本理解。然而，其在开放词汇工业异常检测 (IAD) 中的性能常受限于域不对齐的推理和幻觉的结构推断。为此，我们提出 IndusAgent，一个用于开放词汇 IAD 的工具增强型代理框架。具体而言，我们首先构建 Indus-CoT，将全局视觉观察、高分辨率局部 patches 和专家正常性先验集成，为在严格的工业检查轨迹上进行微调提供监督。基于此，IndusAgent 动态编排一组外部工具，包括动态区域裁剪、高频特征增强和先验检索，从而使代理能够主动解决视觉模糊并分离细微异常。此外，我们引入带锁定门控的强化学习目标，联合优化异常分类、定位精度、异常类型推理和高效工具使用，确保仅在有益时才调用工具。广泛的评估在包括 MVTec-AD、VisA、MPDD、DTD 和 SDD 在内的五个工业异常基准数据集上表明，IndusAgent 在所有现有方法中实现了零样本最先进性能，验证了我们的鲁棒性和泛化能力。
引用
@article{arxiv.2605.20682,
title = {IndusAgent: Reinforcing Open-Vocabulary Industrial Anomaly Detection with Agentic Tools},
author = {Rongbin Tan and Fangfang Lin and Zhenlong Yuan and Min Qiu and Kejin Cui and Mengmeng Wang and Yi Wang and Zijian Song and Zhiyuan Wang and Jiyuan Wang and Yue Wang and Shuhan Song§ and Huawei Cao},
journal= {arXiv preprint arXiv:2605.20682},
year = {2026}
}