基于AI驱动数字孪生的自适应机器人分布外检测

在复杂、不确定环境中的自适应机器人（SARs）必须主动检测并处理异常行为，包括分布外（OOD）情况。为此，数字孪生为OOD检测提供了一种有价值的解决方案。因此，我们提出了一种基于数字孪生的SARs分布外检测方法（ODiSAR）。ODiSAR使用基于Transformer的数字孪生来预测SAR状态，并利用重构误差和蒙特卡洛丢弃法进行不确定性量化。通过将重构误差与预测方差相结合，数字孪生即使在先前未见过的条件下也能有效检测OOD行为。该数字孪生还包含一个可解释性层，将潜在的OOD与特定的SAR状态联系起来，为自适应提供见解。我们通过创建两个工业机器人的数字孪生来评估ODiSAR：一个在办公环境中导航，另一个执行海上船舶导航。在这两种情况下，ODiSAR都能预测SAR行为（即机器人轨迹和船舶运动）并主动检测OOD事件。我们的结果表明，ODiSAR实现了高检测性能——高达98%的AUROC、96%的TNR@TPR95和95%的F1分数——同时提供可解释的见解以支持自适应。