AURSAD：通用机器人拧螺丝异常检测数据集
机器学习
2021-02-09 v2 机器人学
摘要
拧螺丝是最为普遍的工业流程之一。因此，使用各类机器人将该流程自动化正变得愈发常见。尽管自动化提升了拧螺丝流程的效率，但若过程未被正确监控，操作中可能出现故障，从而影响装配的效果与质量。机器学习（ML）有潜力检测这些不良事件并限制其影响。为此，首先必须有一个充分描述执行自动化拧螺丝的工业机器人操作的数据集。本报告描述了一个使用 UR3e 系列机器人与 OnRobot Screwdriver 创建的数据集。我们构建不同场景，并在所有可用的机器人与螺丝刀传感器持续记录的同时，向流程中引入 4 类异常。所得数据包含 2042 个正常与异常机器人操作样本。我们还提供了使用该数据的简要 ML 基准测试，展示了数据对于进一步分析与实验的适用性与潜力。
引用
@article{arxiv.2102.01409,
title = {AURSAD: Universal Robot Screwdriving Anomaly Detection Dataset},
author = {Błażej Leporowski and Daniella Tola and Casper Hansen and Alexandros Iosifidis},
journal= {arXiv preprint arXiv:2102.01409},
year = {2021}
}