跳到主要内容
返回时间线
arXiv来源发表:

把前沿编码智能体装进45美元的板子:Pupavision在果蝇培养箱连拍26天,其中11天智能体退出登录

核心概要

果蝇蛹化时间通常靠研究者每隔几小时回到培养箱手工计数,Pupavision把云端前沿编码智能体放到一块单板Linux计算机上,由它协助取像、改代码和每日自检,而一个独立的确定性采集服务每十分钟存一帧、从不依赖智能体。26天培养箱试运行存下约3580帧,其中11天智能体完全退出登录而采集照常进行;研究者框选目标蛹后回溯生成每瓶蛹化曲线,但这些数值只是装置可用的样本数据,尚未与专家判读比对。

Source-provided article image: Big Brains, Tiny Board: Pupavision, an Agentic Physical AI Instrument for Monitoring Drosophila Pupariation and Lifecycle Transitions
arXiv

深度剖析

一套约45至75美元零件的物理AI仪器可以整夜守在果蝇培养箱旁,把原本需要研究者每隔几小时、跨夜晚和周末回来看一眼的蛹化观察变成连续图像记录。 此前蛹化多由人工观察计数,部分实验要求每四到六小时监测一次,这一节奏本身就限定了实验的时间分辨率,也限制了单个研究者能同时或先后开展多少实验。 一次从2026年6月5日开始、在18摄氏度培养箱中进行的26天试运行存下约3580帧,其中11天智能体处于退出登录状态而采集没有中断。

采集与智能体被拆成两层:底层是开机自启、可自动重启的确定性服务,上层智能体只是帮手,因此智能体掉线不会带走数据。 早期版本让采集作为无人监管的循环,通过实时流服务取帧;在无关的仪表盘工作中停掉该服务后,采集中断且无人重启,序列丢失了51小时才被发现。 这次事故直接催生了独立监管的采集服务、停滞检查和外置心跳,板子定期报到,报到停止时研究者手机会收到消息。

蛹化时间由研究者在浏览器标注器中框选晚期参考帧里的目标蛹,再沿时间回溯判定,而不是依赖训练好的检测器。 全自动的瓶级检测曾被尝试,但可靠性不足以采信;已有系统如DIAMonDS和Hatching-Box则围绕训练好的分割模型或目标检测器与既定流程构建。 三个选中蛹足够的瓶给出的达到50%的中位时间分别为记录开始后30.5小时、24.8小时和16.2小时,计数只含研究者第一轮框选的可见蛹,而非瓶中全部蛹。

启示与展望

已展示的范围是两台培养箱中的原型装置:一台运行Debian的Arduino UNO Q配200万像素USB昼夜相机,一台树莓派配500万像素CSI昼夜相机,均使用墙电、本地存储和纸板背景。作者提出的下一步是用手工并行评分的放大实验,并计划用同一图像序列为羽化计时、比较不同遗传背景间的运动。

作者说明蛹化数值是展示装置可用的样本数据而非生物学发现,观察窗口不从受控的发育时间零点开始,夜间红外帧被排除,瓶数属试点,事件时间尚未与专家评分比较。过渡判定是操作性的图像事件,尚未针对蛹壳形成做校准;夜间发生的事件靠跨缺口插值定位,十分钟采集不等于十分钟计时精度。作者也未将智能体与非智能体基线比较,未测试非专家能否独立部署。