Skip to content
Hot eventLive

MCFR：掩码引导粗到细回归框架用于多型号板对板连接器装配

1 reports1 sources4 hr ago updated

Get the story

AI overview

2026年10月8日，arXiv Robotics（一手）发表论文，提出 MCFR，一种掩码引导的粗到细回归框架，用于多型号板对板（BTB）连接器的自动插装。该方法引入对象感知掩码先验与显式光度精化，抑制固定视角检测下的背景干扰，提升跨型号泛化与对齐精度。论文在自构建多型号数据集、BTB 批量插装测试台和真实智能手机装配任务上验证，MCFR 平均真实插装成功率达 99.25%。该论文已被 IROS 2026 接收，并入围工业机器人研究与应用最佳论文奖。

Generated from reports · updated 3 hr ago

LatestOct 8
MCFR 论文发表于 arXiv，平均真实插装成功率 99.25%，已被 IROS 2026 接收并入围最佳论文奖。

Timeline

Follow the coverage from different angles.

Oct 8, 2026
  1. arXiv · Robotics
    MCFR：面向稳健多型号板对板连接器装配的掩码引导粗到细回归框架

    论文提出 MCFR，一种掩码引导的粗到细回归框架，用于多型号板对板（BTB）连接器的自动插装。该方法引入对象感知掩码先验与显式光度精化，抑制固定视角检测下的背景干扰，提升跨型号泛化与对齐精度。在自构建多型号数据集、BTB 批量插装测试台和真实智能手机装配任务上，MCFR 平均真实插装成功率达 99.25%，论文已被 IROS 2026 接收并入围工业机器人研究与应用最佳论文奖。

Heat trend

Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –

02.557.510Oct8Oct8Oct8Oct8

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.