MAVFI：面向微型飞行器的端到端故障分析框架，带异常检测与恢复
机器人学
2023-01-31 v3
摘要
安全性和弹性对于自主无人 aerial 车辆（UAV）至关重要。我们提出 MAVFI，即微型飞行车辆（MAV）弹性分析方法，用于评估静默数据损坏（SDC）对 UAV 任务指标（如飞行时间和成功率）的影响，以精确度量系统弹性。为增强受尺寸、重量和功耗（SWaP）约束的机器人系统的安全性与弹性，我们提供两种基于低开销异常的 SDC 检测与恢复算法，分别基于高斯统计模型和自编码器神经网络。我们的异常错误保护技术在多个仿真环境中得到验证。我们证明，基于自编码器的技术在我们所研究的场景中可恢复多达全部故障案例，且计算开销不超过 0.0062%。我们的应用感知弹性分析框架 MAVFI 可用于全面测试其他基于机器人操作系统（ROS）的应用的弹性，并已在 https://github.com/harvard-edge/MAVBench/tree/mavfi 公开可用。
引用
@article{arxiv.2105.12882,
title = {MAVFI: An End-to-End Fault Analysis Framework with Anomaly Detection and Recovery for Micro Aerial Vehicles},
author = {Yu-Shun Hsiao and Zishen Wan and Tianyu Jia and Radhika Ghosal and Abdulrahman Mahmoud and Arijit Raychowdhury and David Brooks and Gu-Yeon Wei and Vijay Janapa Reddi},
journal= {arXiv preprint arXiv:2105.12882},
year = {2023}
}
备注
6 pages, 9 figures; The first two authors have equal contributions; Accepted as a conference paper in DATE 2023