无人机紧急着陆运行时监控的评估
机器人学
2022-02-08 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
为在人口稠密地区认证无人机运行，必须配备风险缓解策略——例如紧急着陆（EL）——以应对潜在故障。EL 旨在利用机载传感器寻找安全着陆区域以降低地面风险。本文的第一个贡献是提出一种符合近期研究中引入的安全要求的新型 EL 方法。特别地，所提出的 EL 流程包含在执行期间监控基于学习的组件的机制。由此，另一贡献是在真实世界关键系统的背景下研究机器学习运行时监控（MLRM）方法的行为。本文引入了一种新的评估方法学，并应用于评估三种 MLRM 机制的实际安全收益。所提出的方法与默认缓解策略（检测到故障时打开降落伞）进行比较，显得安全得多。
引用
@article{arxiv.2202.03059,
title = {Evaluation of Runtime Monitoring for UAV Emergency Landing},
author = {Joris Guerin and Kevin Delmas and Jérémie Guiochet},
journal= {arXiv preprint arXiv:2202.03059},
year = {2022}
}
备注
7 pages, 4 figures, 1 table. To appear in the proceedings of 2022 IEEE International Conference on Robotics and Automation (ICRA)