基于机器学习的机器人系统异常行为检测
机器人学
2025-09-15 v1
摘要
确保机器人系统的安全可靠运行对于防止潜在灾难和保障人类福祉至关重要。尽管有严格的设计与工程实践，这些系统仍可能发生故障，从而导致安全风险。在本研究中，我们提出了一种基于机器学习的方法，用于检测系统日志中的异常，以增强机器人系统的安全性和可靠性。我们使用 CoppeliaSim 从两个不同场景中收集了日志，并比较评估了多种机器学习模型，包括逻辑回归（LR）、支持向量机（SVM）和自编码器。我们的系统在四旋翼飞行器场景（场景 1）和 Pioneer 机器人场景（场景 2）中进行了评估。结果表明，虽然 LR 在场景 1 中表现出优越性能，但自编码器模型在场景 2 中被证明最为有效。这凸显了最优模型的选择具有场景依赖性，这可能是由于不同机器人平台上异常的复杂程度不同。本研究强调了比较方法的价值，并展示了自编码器在检测机器人系统复杂异常方面的独特优势。
引用
@article{arxiv.2509.09953,
title = {Detection of Anomalous Behavior in Robot Systems Based on Machine Learning},
author = {Mahfuzul I. Nissan and Sharmin Aktar},
journal= {arXiv preprint arXiv:2509.09953},
year = {2025}
}