姓名：曹云康
职称：助理教授/副研究员
邮箱：caoyunkang0207@gmail.com
通信地址：湖南大学桃子湖机器人学院c1-310
个人主页：https://caoyunkang.github.io/
谷歌学术：https://scholar.google.com/citations?user=aLJ8_G4AAAAJ&hl=zh-CN
一、基本情况
曹云康，博士，湖南大学人工智能与机器人学院助理教授、机器人视觉感知与控制技术国家工程研究中心副研究员（王耀南院士、张辉教授团队核心成员）。长期致力于具身智能与工业视觉检测的交叉研究，旨在通过基础模型与多模态大模型技术，赋予工业机器人更柔性、鲁棒且可解释的感知与认知能力，服务于智能制造、智能育种等国家重大需求。
在基础研究方面，提出了多个工业视觉异常检测基础模型，包括全球首个异常生成基础模型Anomagic与首个异常推理大模型IAD-R1。其代表性工作INP-Former在CVPR VAND挑战赛中被前五名中的四支队伍采纳为核心方法。近年来在 IEEE TCYB、TII、Pattern Recognition 等国际权威期刊及 CVPR、ECCV、AAAI 等顶级会议发表论文40余篇，谷歌学术引用1500余次，H指数17，其中第一/通讯作者论文15篇，2篇入选ESI高被引论文。荣获IEEE CSCWD 2025最佳学生论文奖，并在首届CVPR VAND挑战赛中斩获全球亚军。现任中科院一区Top期刊 Pattern Recognition 编委，并在CVPR、ICCV、IJCAI等顶级会议组织工业缺陷检测专题研讨会6次，包含第二到四届视觉新颖性与异常检测研讨会(VAND）、第一到三届基础模型驱动的异常检测（ADFM），长期担任TPAMI、IJCV、CVPR、NeurIPS等二十余个顶级期刊及会议的审稿人。
目前，课题组正积极推进具身智能与视觉检测的深度融合，致力于实现机器人操作过程中的失败模式在线检测、理解与自主恢复，为下一代柔性工业自动化提供核心技术支撑。
二、学习与工作经历
l 2025.05-至今，湖南大学，人工智能与机器人学院，助理教授/副研究员
l 2020.09-2025.06，华中科技大学，博士，机械工程，导师: 沈卫明教授
l 2023.10-2024.10，米兰理工大学，访问博士，计算机科学，导师: Giacomo Boracchi
l 2016.09-2020.06，华中科技大学，学士，机械设计制造及其自动化
三、招生与培养理念
招生计划：长期招聘硕士研究生、研究助理、访问学生
诚邀对人工智能、计算机视觉及机器人技术怀有浓厚研究热情的同学加入本课题组，共探学术前沿，实现共同成长。本课题组秉持“师生同心、共同成长”的培养理念，致力于为每位学生提供个性化、高投入的科研指导，帮助大家在学术探索与工程实践中明确方向、夯实基础、锤炼能力、厚积薄发。入组之初，新成员将在首个课题中获得从零开始的全程指导，以建立规范的科研思维；后续逐步引导独立研究，培养自主创新能力，并持续提供多元平台与资源支撑。课题组与牛津大学、米兰理工大学、清华大学、华中科技大学等国内外顶尖高校保持深度合作，搭建跨校研讨与联合研究平台；同时与腾讯优图、宁德时代等头部企业建立稳固合作关系，为学生提供接触真实工业场景、参与技术转化、解决实际工程问题的宝贵机会。课题组积极支持学生参与CVPR、ICCV等国际顶级会议，拓展学术视野，提升国际竞争力。
联系邮件（caoyunkang0207@gmail.com）前，请仔细阅读“研究方向介绍”及代表性成果，邮件中简要说明研究兴趣、过往经历及未来科研思考，以提升沟通效率、契合科研需求。
四、研究方向介绍
本课题组的研究围绕 “数据-检测-理解-具身” 的闭环展开，聚焦于解决工业环境下小样本、开集、动态场景中的视觉感知难题。
l 异常生成模型（Anomaly Generation）
研究内容：针对工业缺陷样本稀缺、形态未知的痛点，研究基于AIGC（如生成式模型微调、扩散模型）的异常生成技术。核心目标是可控地、真实地合成目标类别中未见过的缺陷样本，为下游检测模型提供高质量的训练数据，解决数据长尾分布问题。
l 无监督/零样本异常检测（Unsupervised/Zero-shot Anomaly Detection）
研究内容：探索仅使用正常样本进行建模，或完全不依赖目标领域样本（零样本）即可识别未知视觉模式的方法。代表性成果包括在首届CVPR VAND挑战赛中获得亚军的零样本工业缺陷检测算法Segment Any Anomaly（SAA），以及被VAND3多只获奖队伍采纳的基于内在正常原型重构的INP-Former方法。
l 多模态异常推理（Multimodal Anomaly Reasoning）
研究内容：超越简单的“是/否”判断，研究基于多模态大模型后训练的异常理解技术。旨在让系统不仅能够检测到缺陷，更能像人类专家一样，理解、描述异常的外观形态，并推理其可能的成因，为后续的修复决策提供依据。
l 具身智能中的失败模式检测与恢复（Failure Detection & Recovery in Embodied AI）
研究内容：将上述视觉认知能力赋予机器人。研究在机器人执行工业操作、生化实验等任务时，如何实时感知环境变化，检测操作过程中的失败模式（如零件错位、装配异常），并基于理解进行自主或半自主的恢复与调整，提升系统的鲁棒性与自主性。
五、部分科研项目
[1] 国家自然科学基金委员会，重大项目课题，跨物种多感官多粒度仿生感知，2026/01-2030/12，在研，参与.
[2] 福耀科技大学智造与未来技术学院开放基金，基于缺陷生成的半监督工业图像异常检测算法研究，2025/07-2027/07，在研，主持.
[3] 浙江大学杭州国际科创中心委托项目，AI缺陷样本生成算法开发，2026/01-2026/12，在研，主持.
[4] 中央高校基本科研基金项目，基多模态基础模型驱动的异常检测、推理与修复技术研究，2025/10-2030/10，在研，主持.
六、开设课程
ü 本科生课程
人工智能中的数学基础，32学时
电路实验，32学时
电子技术实践II，32学时
ü 研究生课程
人工智能中的哲学与伦理，32学时
面向未来的机器人，32学时
七、代表性论文
[1] Cao Y（曹云康）, Zhang J, Frittoli L, et al. AdaCLIP: Adapting CLIP with Hybrid Learnable Prompts for Zero-Shot Anomaly Detection. European Conference on Computer Vision (ECCV), 2025. (CCF-B)
[2] Luo W*, Cao Y（曹云康）*, Yao H, et al. Exploring Intrinsic Normal Prototypes within a Single Image for Universal Anomaly Detection. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2025. (CCF-A)
[3] Sun H, Cao Y（曹云康）, Dong H, et al. Unseen Visual Anomaly Generation. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2025. (CCF-A)
[4] Cheng Y, Sun Y, Zhang H, Shen W, Cao Y†（曹云康） . Towards high-resolution 3D anomaly detection: A scalable dataset and real-time framework for subtle industrial defects. AAAI Conference on Artificial Intelligence (AAAI), 2026. (CCF-A, Oral)
[5] Xu X, Cao Y（曹云康）, Zhang H, Sang N, Huang X. Customizing Visual-Language Foundation Models for Multi-Modal Anomaly Detection and Reasoning. International Conference on Computer Supported Cooperative Work in Design (CSCWD), 2025. (Best Student Paper Award).
[6] Li Y, Cao Y（曹云康）, Liu C, et al. IAD-R1: Reinforcing Consistent Reasoning in Industrial Anomaly Detection. AAAI Conference on Artificial Intelligence (AAAI), 2026. (CCF-A, Oral)
[7] Jiang Y, Luo W, Zhang H, Shen W, Cao Y†（曹云康）. Anomagic: Crossmodal Prompt-driven Zero-shot Anomaly Generation. AAAI Conference on Artificial Intelligence (AAAI), 2026. (CCF-A)
[8] Cao Y（曹云康）, Xu X, Cheng Y, et al. Personalizing Vision-Language Models with Hybrid Prompts for Zero-Shot Anomaly Detection. IEEE Transactions on Cybernetics, vol. 55, no. 4, pp. 1917-1929. (中科院一区)
[9] Cao Y（曹云康）, Xu X, Liu Z, et al. Collaborative discrepancy optimization for reliable image anomaly localization. IEEE Transactions on Industrial Informatics, vol. 19, no. 11, pp. 10674-10683,2023. (中科院一区)
[10] Yao H, Cao Y（曹云康）, Luo W, et al. Prior Normality Prompt Transformer for Multiclass Industrial Image Anomaly Detection. IEEE Transactions on Industrial Informatics, vol. 20, no. 10, pp. 11866-11876, 2024. (中科院一区)
[11] Cao Y（曹云康）, Yao H, Luo W, et al. VarAD: Lightweight High-Resolution Image Anomaly Detection via Visual Autoregressive Modeling. IEEE Transactions on Industrial Informatics, vol. 21, no. 4, pp. 3246-3255, 2025. (中科院一区)
[12] Zhang H, Liu H, Biekezati B, Cao Y（曹云康）,et al. FPF: A Focused Perception Framework for Small Defect Identification in Complex Power Scenarios. IEEE Transactions on Industrial Informatics, 2026. (中科院一区)
[13] Cao Y（曹云康）, Xu X, Sun C, et al. BiaS: Incorporating biased knowledge to boost unsupervised image anomaly localization. IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol. 54, no. 4, pp. 2342-2353,2024. (中科院一区)
[14] Cheng Y*, Cao Y（曹云康）*, Xie G, et al. Towards zero-shot point cloud anomaly detection: A multi-view projection framework. IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol. 56, no. 3, pp. 1747-1760, 2026. (中科院一区)
[15] Yao H, Luo W, Cao Y（曹云康）, et al. Global-regularized neighborhood regression for efficient zero-shot texture anomaly detection. IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol. 55, no. 10, pp. 7510-7525, 2025. (中科院一区)
[16] Luo W, Xing P, Cao Y（曹云康）, et al. URA-Net: Uncertainty-integrated anomaly perception and restoration attention network for unsupervised anomaly detection. IEEE Transactions on Circuits and Systems for Video Technology, vol. 36, no. 2, pp. 2464-2477,2026. (中科院一区)
[17] Cao Y（曹云康）, Wan Q, Shen W, et al. Informative knowledge distillation for image anomaly segmentation. Knowledge-Based Systems, 2022 (中科院一区)
[18] Cao Y（曹云康）, Xu X, Shen W. Complementary pseudo multimodal feature for point cloud anomaly detection. Pattern Recognition, 2024. (中科院一区)
[19] Cheng Y*, Cao Y（曹云康）*, Yao H, et al. A comprehensive survey for real-world industrial surface defect detection: Challenges, approaches, and prospects. Journal of Manufacturing Systems, 2026. (中科院一区)
八、发明专利
[1] 张辉，杜瑞，别克扎提·巴合提，陈厚权，邱宇，张恺宁，曹云康，王耀南. 一种基于霍奇分解与多模态融合的部件分割方法及系统：中国，ZL202511195689.2. 2025年10月31日. (发明专利授权)
[2] 张辉，唐友源，杜瑞，别克扎提·巴合提，陈厚权，张恺宁，曹云康，邱宇，王耀南. 一种基于结构感知框架的架空电力线覆冰厚度检测方法和系统：中国，ZL202511195907.2. 2025年10月31日. (发明专利授权)
[3] 沈卫明，程育奇，曹云康，张以恒，孙依晗，谭宇翔，张雨昕. 一种复杂零件缺陷数据标注方法、缺陷检测方法及多视角多光照数据采集装置：中国，ZL202510060769.0. 2025年12月2日. (发明专利授权)
[4] 沈卫明，程育奇，曹云康. 一种考虑原型分数校正的点云异常检测方法及设备：中国，ZL202510040267.1. 2026年2月17日. (发明专利授权)
[5] 沈卫明，程育奇，曹云康. 一种点云数据局部异常生成方法及系统：中国，ZL202410633098.8. 2025年2月11日. (发明专利授权)
[6] 沈卫明，程育奇，曹云康. 一种考虑多层级特征的多类别点云异常检测方法及系统：中国，ZL202410622146.3. 2025年2月11日. (发明专利授权)
[7] 沈卫明，程育奇，曹云康. 一种考虑提示学习的零样本点云异常检测方法及系统：中国，ZL202410359413.2. 2024年11月5日. (发明专利授权)
[8] 沈卫明，刘照阁，徐晓豪，曹云康. 基于像素单点及多元配对的无监督异常检测方法：中国，ZL202310570510.1. 2026年1月6日. (发明专利授权)
[9] 沈卫明，曹云康. 一种互补伪多模态特征系统及方法：中国，ZL202310173580.3. 2025年9月5日. (发明专利授权)
[10] 沈卫明，徐晓豪，曹云康. 一种单视角下工业缺陷检测方法及系统：中国，ZL202211034856.1. 2025年10月10日. (发明专利授权)
[11] 沈卫明，曹云康. 一种考虑标签不确定性的图像异常检测方法：中国，ZL202210834357.4. 2025年9月19日. (发明专利授权)
[12] 沈卫明，曹云康，宋亚楠. 一种基于知识蒸馏的无监督工业图像异常检测方法及系统：中国，ZL202111555291.7. 2024年7月2日. (发明专利授权)
九、科研获奖经历
[1] 面向协同智能制造的多模态感知与协同优化关键技术及应用，中国发明协会发明创业二等奖，排三，2025年12月.
[2] 面向协同智能制造的多模态感知与协同优化关键技术及应用，第二十九届全国发明展览会金奖，排三，2025年10月.
[3] Yunkang Cao, Xiaohao Xu, Chen Sun, Yuqi Cheng, Liang Gao, Weiming Shen. CVPR, Visual Anomaly and Novelty Detection 2023 Challenge, 亚军, 2023年6月.
[4] Xiaohao Xu, Yunkang Cao, Huaxin Zhang, Nong Sang, and Xiaonan Huang. IEEE Computer Supported Cooperative Work in Design, 最佳学生论文奖，2025年5月.
[5] 曹云康，博士研究生国家奖学金，2024年11月.
