Dense-Armor 开源基于 SGD 的单类关节异常检测模块 SONAR

Dense-Armor 项目开源了 SONAR 模块，用随机傅里叶特征近似 RBF 核并加入强凸正则，让单类边界能以在线 SGD 逐样本更新，用于判断机器人关节残差读数是否偏离健康状态：每个读数得到一个分数，负值表示在边界内（正常），正值表示在边界外（异常），数值越大偏离越远。 在基准默认参数（n_features_rff=128、n_init=20）下，单 CPU 线程处理手臂数据流时，learn_one 加 score_one 每样本耗时 0.131 毫秒。默认阈值 None 取最近 500 个分数的 0.95 分位数；在看到的分数少于 50 个时，有效阈值为 1e9，不会标记任何样本。手臂数据流只有 100 个健康样本，扣除 n_init=20 后仅 80 步 SGD，远少于论文实验的数千步，ROC-AUC 为 0.856。论文另提出面向非平稳数据流的 SONARC 变体（带变点检测与重启），该模块未实现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。