基于多传感器融合的机器人导航主动异常检测
机器人学
2022-04-05 v1 人工智能
机器学习
摘要
尽管导航算法快速发展，移动机器人仍常产生可能导致导航失败的异常行为。检测此类异常行为是现代机器人实现高水平自主性的关键组成部分。反应式异常检测方法基于当前机器人状态识别异常任务执行，因而缺乏在实际故障发生前预警机器人的能力。这种预警延迟由于可能对机器人及周围物体造成损坏而不受欢迎。我们提出一种用于非结构化和不确定环境中机器人导航的主动异常检测网络（PAAD）。PAAD基于预测控制器的规划运动与感知模块的当前观测预测未来失败的概率。多传感器信号被有效融合，以在现场环境中存在传感器遮挡的情况下提供鲁棒的异常检测。我们在现场机器人数据上的实验表明，相较于先前方法具有更优的失败识别性能，且我们的模型能在杂乱场地中实时捕获异常行为同时保持低误检率。代码、数据集与视频见 https://github.com/tianchenji/PAAD
引用
@article{arxiv.2204.01146,
title = {Proactive Anomaly Detection for Robot Navigation with Multi-Sensor Fusion},
author = {Tianchen Ji and Arun Narenthiran Sivakumar and Girish Chowdhary and Katherine Driggs-Campbell},
journal= {arXiv preprint arXiv:2204.01146},
year = {2022}
}
备注
Accepted by RA-L with ICRA 2022 option