自主机器人任务中的异常检测方法
Shivoh Chirayil Nandakumar1, Daniel Mitchell2, Mustafa Suphi Erden1
1School of Engineering and Physical Sciences, Heriot Watt University, Edinburgh EH14 4AS, UK.
Sensors (Basel, Switzerland)
|February 24, 2024
概括
本综述综合了自主机器人任务 (ARM) 的异常检测,提出了统一的理解和分类. 这项工作旨在推进强大可靠的自主机器人系统.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 人工智能的人工智能
- 计算机科学 计算机科学
背景情况:
- 越来越多的人使用自主机器人,需要提高其强度和可靠性.
- 自2015年以来,关于机器人系统中异常检测的研究显著增加.
- 现有的文献呈现了对异常及其与故障检测的区别的多样化观点.
研究的目的:
- 审查和综合有关自主机器人任务 (ARM) 异常检测的文献.
- 建立对ARM内部异常的统一理解.
- 根据基本特征提出一种新的异常分类.
主要方法:
- 关于ARM中异常检测的综合文献综述.
- 对不同异常定义及其与故障检测相关性的比较分析.
- 制定统一的异常定义和分类框架 (空间,时间,时空).
主要成果:
- 确定了关于ARM异常的不同观点,突出了需要达成共识的必要性.
- 提出了对异常的统一理解,包括它们的各种特征.
- 引入了异常的空间,时间和时空类别的分类.
结论:
- 拟议的统一理解和分类为ARM中异常检测提供了基础.
- 对特定术语和异常检测方法的进一步研究至关重要.
- 这项工作旨在加速ARM的通用异常检测系统的开发.


