論文の概要: Symbiotic System Design for Safe and Resilient Autonomous Robotics in
Offshore Wind Farms
- arxiv url: http://arxiv.org/abs/2101.09491v1
- Date: Sat, 23 Jan 2021 11:58:16 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-20 13:02:40.843401
- Title: Symbiotic System Design for Safe and Resilient Autonomous Robotics in
Offshore Wind Farms
- Title(参考訳): オフショアウィンドファームにおける安全で回復力のある自律ロボットのための共生システム設計
- Authors: Daniel Mitchell, Osama Zaki, Jamie Blanche, Joshua Roe, Leo Kong,
Samuel Harper, Valentin Robu, Theodore Lim, David Flynn
- Abstract要約: Beyond Visual Line of Sight(BVLOS)ロボティクスの障壁には、運用上の安全コンプライアンスとレジリエンスが含まれます。
ロボットプラットフォームと遠隔操作者の相互利益のための知識共有によるライフサイクル学習と共進化を反映した共生システムを提案する。
本手法は,自律ミッションにおける安全性,信頼性,レジリエンスのリアルタイム検証を可能にする。
- 参考スコア(独自算出の注目度): 3.5409202655473724
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: To reduce Operation and Maintenance (O&M) costs on offshore wind farms,
wherein 80% of the O&M cost relates to deploying personnel, the offshore wind
sector looks to robotics and Artificial Intelligence (AI) for solutions.
Barriers to Beyond Visual Line of Sight (BVLOS) robotics include operational
safety compliance and resilience, inhibiting the commercialization of
autonomous services offshore. To address safety and resilience challenges we
propose a symbiotic system; reflecting the lifecycle learning and co-evolution
with knowledge sharing for mutual gain of robotic platforms and remote human
operators. Our methodology enables the run-time verification of safety,
reliability and resilience during autonomous missions. We synchronize digital
models of the robot, environment and infrastructure and integrate front-end
analytics and bidirectional communication for autonomous adaptive mission
planning and situation reporting to a remote operator. A reliability ontology
for the deployed robot, based on our holistic hierarchical-relational model,
supports computationally efficient platform data analysis. We analyze the
mission status and diagnostics of critical sub-systems within the robot to
provide automatic updates to our run-time reliability ontology, enabling faults
to be translated into failure modes for decision making during the mission. We
demonstrate an asset inspection mission within a confined space and employ
millimeter-wave sensing to enhance situational awareness to detect the presence
of obscured personnel to mitigate risk. Our results demonstrate a symbiotic
system provides an enhanced resilience capability to BVLOS missions. A
symbiotic system addresses the operational challenges and reprioritization of
autonomous mission objectives. This advances the technology required to achieve
fully trustworthy autonomous systems.
- Abstract(参考訳): オフショア・ウィンドファームの運用・保守(O&M)コストを削減するため、O&Mコストの80%は人員の配置に関連しており、オフショア・ウィンドセクターはソリューションのためのロボティクスと人工知能(AI)に注目している。
BVLOS(Beyond Visual Line of Sight)ロボットへの障壁には、運用上の安全コンプライアンスとレジリエンスが含まれており、オフショアでの自動運転サービスの商用化を阻害している。
安全とレジリエンスの課題に対処するために,ロボットプラットフォームと遠隔操作者の相互獲得のための知識共有とライフサイクル学習と共進化を反映した共生システムを提案する。
本手法は,自律ミッションにおける安全性,信頼性,レジリエンスのリアルタイム検証を可能にする。
ロボット,環境,インフラのディジタルモデルを同期させ,遠隔操作者への自律的な適応ミッション計画と状況報告のためのフロントエンド分析と双方向通信を統合する。
このロボットの信頼性オントロジーは,我々の全体的階層関係モデルに基づいて,計算効率のよいプラットフォームデータ解析を支援する。
ロボット内の重要なサブシステムのミッションステータスと診断を分析し、実行時の信頼性オントロジーを自動的に更新し、ミッション中に障害を失敗モードに変換して意思決定できるようにする。
拘束空間内での資産検査ミッションを実演し、ミリ波センシングを用いて状況認識を高め、不明瞭な人員の存在を検知してリスクを軽減する。
本研究は,BVLOSミッションに対して,共生システムによりレジリエンスが向上することを示す。
共生システムは、自律的なミッション目標の運用上の課題と優先順位付けに対処する。
これにより、完全に信頼できる自律システムを実現するために必要な技術が進歩する。
関連論文リスト
- On the Safety Concerns of Deploying LLMs/VLMs in Robotics: Highlighting
the Risks and Vulnerabilities [50.31806287390321]
ロボットの動作を操作または誤操作することは容易であり、安全上の危険をもたらす。
我々のデータは、即時攻撃で21.2%、知覚攻撃で30.2%の平均的なパフォーマンス劣化を示す。
論文 参考訳(メタデータ) (2024-02-15T22:01:45Z) - DREAM: Decentralized Reinforcement Learning for Exploration and
Efficient Energy Management in Multi-Robot Systems [14.266876062352424]
資源制約されたロボットは、しばしばエネルギー不足、不適切なタスク割り当てによる計算能力の不足、動的環境における堅牢性の欠如に悩まされる。
本稿では,マルチロボットシステムにおける探索と効率的なエネルギー管理のための分散強化学習DREAMを紹介する。
論文 参考訳(メタデータ) (2023-09-29T17:43:41Z) - Bridging Active Exploration and Uncertainty-Aware Deployment Using
Probabilistic Ensemble Neural Network Dynamics [11.946807588018595]
本稿では,活発な探索と不確実性を考慮した展開を橋渡しするモデルベース強化学習フレームワークを提案する。
探索と展開の対立する2つのタスクは、最先端のサンプリングベースのMPCによって最適化されている。
自動運転車と車輪付きロボットの両方で実験を行い、探索と展開の両方に有望な結果を示します。
論文 参考訳(メタデータ) (2023-05-20T17:20:12Z) - Assurance for Autonomy -- JPL's past research, lessons learned, and
future directions [56.32768279109502]
幅広い状況の変動が、事前計画された応答を妨げている場合、自律性が必要である。
ミッション・アシュアランス(Mission Assurance)は、信頼性を提供する上で重要な貢献者であるが、何十年にもわたって宇宙飛行に輝く保証の実践は、自律性に関する経験が比較的少ない。
JPLのソフトウェア保証グループの研究者は、自律性の保証に特化した技術の開発に関与している。
論文 参考訳(メタデータ) (2023-05-16T18:24:12Z) - Bayesian Learning for the Robust Verification of Autonomous Robots [7.654864965575541]
本稿では,自律型ロボットのランタイム検証を可能にするベイズ学習フレームワークを提案する。
この枠組みを水中インフラ検査・修理のための自律型ロボットミッションに適用する。
論文 参考訳(メタデータ) (2023-03-15T09:29:27Z) - AI Maintenance: A Robustness Perspective [91.28724422822003]
我々は、AIライフサイクルにおけるロバストネスの課題を強調し、自動車のメンテナンスに類似させることで、AIのメンテナンスを動機付ける。
本稿では,ロバストネスリスクの検出と軽減を目的としたAIモデル検査フレームワークを提案する。
我々のAIメンテナンスの提案は、AIライフサイクル全体を通して堅牢性評価、状態追跡、リスクスキャン、モデル硬化、規制を促進する。
論文 参考訳(メタデータ) (2023-01-08T15:02:38Z) - Autonomous Aerial Robot for High-Speed Search and Intercept Applications [86.72321289033562]
高速物体把握のための完全自律飛行ロボットが提案されている。
追加のサブタスクとして、我々のシステムは、表面に近い極にある気球を自律的にピアスすることができる。
我々のアプローチは、挑戦的な国際競争で検証され、優れた結果が得られました。
論文 参考訳(メタデータ) (2021-12-10T11:49:51Z) - SABER: Data-Driven Motion Planner for Autonomously Navigating
Heterogeneous Robots [112.2491765424719]
我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。
モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。
リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。
ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
論文 参考訳(メタデータ) (2021-08-03T02:56:21Z) - Adaptive Autonomy in Human-on-the-Loop Vision-Based Robotics Systems [16.609594839630883]
コンピュータビジョンのアプローチは、自律ロボットシステムによって意思決定の指針として広く使われている。
特に人間が監督的な役割しか果たさないHuman-on-the-loop(HoTL)システムでは、高精度が重要です。
適応的自律性レベルに基づくソリューションを提案し,これらのモデルの信頼性の低下を検出する。
論文 参考訳(メタデータ) (2021-03-28T05:43:10Z) - Enhanced Adversarial Strategically-Timed Attacks against Deep
Reinforcement Learning [91.13113161754022]
本稿では,DRLに基づくナビゲーションシステムに対して,選択した時間フレーム上の物理ノイズパターンを妨害することにより,タイミングに基づく逆方向戦略を導入する。
実験結果から, 対向タイミング攻撃は性能低下を引き起こす可能性が示唆された。
論文 参考訳(メタデータ) (2020-02-20T21:39:25Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。