使用视觉异常检测进行任务执行监控
机器人学
2025-08-26 v2 计算机视觉与模式识别
摘要
执行监控对于机器人检测和响应故障至关重要。由于不可能枚举给定任务的所有故障，我们从任务的成功执行中学习，以在运行时检测视觉异常。我们的方法学习预测任务标称执行期间发生的运动，包括相机和机器人本体的运动。采用概率 U-Net 架构学习预测光流，并利用机器人的运动学和 3D 模型来建模相机和本体运动。观测运动与预测运动之间的误差用于计算异常分数。我们在一个机器人将书放在书架上的数据集上评估了我们的方法，该数据集包含书籍掉落、相机遮挡和机器人干扰等异常。我们发现，除了基于学习的光流预测外，对相机和本体运动进行建模使接收者操作特征曲线下面积从 0.752 提升到 0.804，精确率-召回率曲线下面积从 0.467 提升到 0.549。
引用
@article{arxiv.2107.14206,
title = {Using Visual Anomaly Detection for Task Execution Monitoring},
author = {Santosh Thoduka and Juergen Gall and Paul G. Plöger},
journal= {arXiv preprint arXiv:2107.14206},
year = {2025}
}
备注
Accepted for publication at the 2021 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)