基于人工抗体群群模型的自主机器人群体故障检测与诊断
机器人学
2025-10-17 v2
摘要
故障容错的主动方法，即故障检测、诊断和恢复的综合过程，对机器人的长期自主性至关重要，尤其是对于多机器人系统和群体。以往的工作主要关注机器人少数子群体的传感器和执行器中自发发生的机电故障。虽然这些功能的系统固然有价值，但尚未考虑许多故障源于持续运行中的渐进式磨损，这可能比性能的突变变化更具挑战性。本文提出了人工抗体群群动力学（AAPD）模型——一种用于检测和诊断机器人群体渐进性退化的免疫启发模型。实验结果表明，AAPD 模型能够可靠地检测和诊断机器人群体中出现的渐进退化以及性能的突变变化，同时对正常行为的机器人具有容错性。AAPD 模型是分布式的，支持监督和无监督配置，具有有前景的可扩展性。将 AAPD 模型部署在正在进行渐进退化的觅食机器人群体上，使该群体在平均情况下可在 70%至 97% 的完美条件下运行性能，并在大多数测试情况下防止机器人在野外发生故障。
引用
@article{arxiv.2412.19942,
title = {Detecting and Diagnosing Faults in Autonomous Robot Swarms with an Artificial Antibody Population Model},
author = {James O'Keeffe},
journal= {arXiv preprint arXiv:2412.19942},
year = {2025}
}