论文导读
清华大学提出MCFR，让机械臂先找准手机连接器，再修正细小的位置和角度误差。八类板对板连接器各做50次实机插接，完整方法平均成功率99.25%，对应400次中397次成功。研究团队还展示了手机摄像头模组的识别、抓取、对齐与插入流程，把视觉检测接到实际装配动作上。系统先找准位置，再细调对齐，让相机引导的机械臂完成小零件装配。固定工位里，模型把注意力放到连接器本身，避免依赖背景位移判断位置。
零件很小，背景却可能骗过模型
手机里的板对板连接器需要精确对齐。连接器形状、镀层和针脚数量不同，定位线索也会变化；一点点偏移，就可能让针脚卡住。
采集训练数据时，机械臂移动零件，画面中的背景也可能随相对视角变化。模型于是学到背景怎么移动，而没有真正看清零件。到了固定检测工位，背景不动、零件偏了，这种捷径就失效。
作者准备4500组样本，包含10类连接器和3类手机摄像头模组，并加入强弱光照记录。为检查固定背景问题，测试图像把连接器合成到另外拍摄的空工位背景中，让模型不能继续依靠背景位移判断零件姿态。
图：连接器装配平台与不同零件实物（Figure 3）。
先圈住连接器，再粗估，最后精修
MCFR首先从图像中生成连接器所在区域的概率遮罩，告诉模型主要该看哪里。接着比较两幅图像，估计相对平移和旋转。最后根据图像亮度与局部内容的对应关系，精细调整初步位置。
三个步骤承担不同任务：遮罩压低背景干扰，粗估把较大的偏差拉回，精修处理插接前剩下的小误差。遮罩由视觉基础模型离线准备，不需要在每次训练迭代中重复运行完整分割模型。
遮挡敏感性图也提供了检查线索。没有遮罩的模型更依赖图像边缘和夹具轮廓；加入遮罩后，响应集中到连接器及针脚区域。这是模型关注区域的分析，不能单独当成装配成功率证据。
图：目标遮罩、粗估和精细对齐三个处理阶段（Figure 2）。
八种规格，成功率从22%升到99.25%
实机采用UR5e机械臂、真空夹具和高分辨率检测相机。八类连接器各做50次完整试验：端到端对照平均成功率22%，去掉最终精修的MCFR为94%，完整方法为99.25%。
成功标准是连接器在插入方向接触力达到25牛顿前完成装配。这个阈值来自人工正确对齐插接时观察到的平均峰值力，统计并非只看机械臂是否移动到目标附近。
固定背景测试中，完整模型平均平移误差0.027毫米、旋转误差0.126度。移除遮罩后，平均平移误差上升到0.793毫米；移除精修则变为0.052毫米。两类对照分别说明背景筛选和最后对齐的作用。
图：手机摄像头模组装配的六阶段实机画面（Figure 6）。
未来应用：从连接器测试台到摄像头模组装配
研究团队使用Redmi K40手机与摄像头模组，展示识别、抓取、检测、对齐、插入和归位的完整流程。八类连接器的99.25%来自测试台批量试验，不能直接写成手机摄像头模组的量产良率。
目前方法针对已经收集过的多种零件进行训练，完全没见过的连接器能否直接初始化和插接，还没有被这项研究解决。论文将新类别的零样本适配列为后续方向。
把遮罩、粗估和图像精修接成一条流程，提供了一种可测试的装配方案。扩展到其他小型零件时，需要继续核对目标区域能否稳定分离、表面是否适合图像对齐，以及最终误差是否满足该零件的实际公差。
参考资料
https://arxiv.org/abs/2610.09327
