人机协作下的混凝土裂缝检测探索性研究
机器学习
2026-03-18 v3 人工智能
摘要
核设施的结构检测对于维持运行安全和完整性至关重要。传统的人工检测方法面临重大挑战，包括安全风险、高认知负荷以及因人为局限导致的潜在不准确。近期人工智能（AI）和机器人技术的进步为更安全、更高效、更精确的检测方法开辟了新的可能性。具体而言，人机协作（HRC）利用配备先进检测算法的机器人平台，有望显著提升检测效果并减少人工工作量。本研究探讨了集成到移动 Jackal 机器人平台中的人工智能辅助视觉裂缝检测的有效性。实验结果表明，HRC 提升了检测精度并降低了操作员工作量，从而可能获得优于传统人工方法的性能。
引用
@article{arxiv.2508.11408,
title = {On-Policy RL Meets Off-Policy Experts: Harmonizing Supervised Fine-Tuning and Reinforcement Learning via Dynamic Weighting},
author = {Wenhao Zhang and Yuexiang Xie and Yuchang Sun and Yanxi Chen and Guoyin Wang and Yaliang Li and Bolin Ding and Jingren Zhou},
journal= {arXiv preprint arXiv:2508.11408},
year = {2026}
}