PREVENT：面向移动机器人化学家的主动风险评估与警惕执行
机器人学
2025-10-27 v1
摘要
移动机器人化学家是化学与材料研究领域的快速发展趋势。然而，这些移动机器人目前缺乏工作流程意识能力。这会增加风险，即使发生小型异常（例如样本移瓶未正确封口），也可能中断整个工作流程。这不仅会浪费时间和资源，还可能使人类研究人员暴露于毒性物质等风险之中。现有的感知机制可用于预测异常，但常常会产生大量误报。这可能在实际不存在问题时中止工作流程执行，要求研究人员介入并恢复工作流程，从而消解自主操作的优势。为解决此问题，我们提出了 PREVENT 系统，基于多模态行为树 (Behavior Tree) 方法，集成导航与操作技能，可最小化地集成到现有软件架构中。我们的方案涉及层次化感知机制，利用 AI 技术和感官反馈，通过灵巧视觉摄像头、导航视觉摄像头以及物联网气体传感器模块进行执行相关决策。实验评估表明，该方案在模拟风险情景下的测试中，效率较比较，完全避免了误报和漏报。结果还表明，所提出的多模态感知技能在导航和操作方面的部署准确率均高于单模态技能的平均水平。
引用
@article{arxiv.2510.21438,
title = {PREVENT: Proactive Risk Evaluation and Vigilant Execution of Tasks for Mobile Robotic Chemists using Multi-Modal Behavior Trees},
author = {Satheeshkumar Veeramani and Zhengxue Zhou and Francisco Munguia-Galeano and Hatem Fakhruldeen and Thomas Roddelkopf and Mohammed Faeik Ruzaij Al-Okby and Kerstin Thurow and Andrew Ian Cooper},
journal= {arXiv preprint arXiv:2510.21438},
year = {2025}
}
备注
25 pages, 8 figures, paper submitted to Robotics and Autonomous Systems Journal