面向快速鲁棒机器人故障检测与恢复的目标导向通信
机器人学
2026-01-27 v1
摘要
自主机器人系统被广泛部署于智能工厂中，并在动态、不确定且有人参与的环境下运行，这些环境要求低延迟且鲁棒的故障检测与恢复（FDR）。然而，现有的FDR框架表现出各种局限性，例如通信和计算方面的显著延迟，以及机器人运动/轨迹生成的不可靠性，这主要是因为通信-计算-控制（3C）回路在设计时未考虑下游的FDR目标。为了解决这一问题，我们提出了一种新颖的目标导向通信框架，该框架联合设计专为快速且鲁棒的机器人FDR量身定制的3C回路，旨在最小化FDR时间的同时最大化机器人任务（例如，工件分拣）的成功率。在故障检测方面，我们的GoC框架创新性地通过我们设计的表示提取器，定义并提取3D场景图（3D-SG）作为语义表示，并通过监控3D-SG中的空间关系变化来检测故障。在故障恢复方面，我们通过低秩适应微调了一个小型语言模型（SLM），并通过知识蒸馏增强了其推理和泛化能力，以为机器人生成恢复运动。我们还设计了一个轻量级的目标导向数字孪生重建模块，在需要精细机器人控制时，仅使用与任务相关的物体轮廓进行数字孪生重建，以优化SLM生成的恢复运动。大量仿真表明，与依赖视觉语言模型进行故障检测和大型语言模型进行故障恢复的最先进框架相比，我们的GoC框架将FDR时间减少了高达82.6%，并将任务成功率提高了高达76%。
引用
@article{arxiv.2601.18765,
title = {Goal-oriented Communication for Fast and Robust Robotic Fault Detection and Recovery},
author = {Shutong Chen and Adnan Aijaz and Yansha Deng},
journal= {arXiv preprint arXiv:2601.18765},
year = {2026}
}
备注
Submit to IEEE for potential publication