voraus-AD：用于机器人应用异常检测的数据集
机器人学
2023-11-09 v1 人工智能
机器学习
摘要
在工业机器人在运行期间，异常事件可能危及人员安全和生产质量。在收集数据以检测此类情况时，无法确保所采集数据涵盖所有潜在错误，因为不可预见的事件可能随时间发生。因此，异常检测（AD）提供了一种实用方案，仅使用正常数据来学习检测异常事件。我们引入了一个数据集，支持基于机器数据对机器人应用中的异常检测方法进行训练与基准测试，该数据集将向研究界公开。作为一个典型机器人任务，该数据集包含一个涉及运动、末端执行器动作以及与环境中物体交互的抓取-放置应用。由于其中包含的若干异常并非任务特定而是通用的，在我们数据集上的评估也可迁移至其他机器人应用。此外，我们提出 MVT-Flow（多变量时间序列流）作为一种新的异常检测基线方法：它依赖基于深度学习的密度估计与归一化流（normalizing flows），并通过在架构中考虑数据结构来适配数据域。我们的评估表明，MVT-Flow 在 ROC 曲线下面积上以 6.2% 的大幅优势超越先前工作的基线。
引用
@article{arxiv.2311.04765,
title = {The voraus-AD Dataset for Anomaly Detection in Robot Applications},
author = {Jan Thieß Brockmann and Marco Rudolph and Bodo Rosenhahn and Bastian Wandt},
journal= {arXiv preprint arXiv:2311.04765},
year = {2023}
}
备注
14 pages, 14 figures, accepted to Transactions on Robotics