論文の概要: Towards Stochastic Fault-tolerant Control using Precision Learning and Active Inference

• arxiv url: http://arxiv.org/abs/2109.05870v1
• Date: Mon, 13 Sep 2021 11:14:19 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-14 15:07:44.259681
• Title: Towards Stochastic Fault-tolerant Control using Precision Learning and Active Inference
• Title（参考訳）: 精密学習と能動推論を用いた確率的フォールトトレラント制御
• Authors: Mohamed Baioumy, Corrado Pezzato, Carlos Hernandez Corbato, Nick Hawes, Riccardo Ferrari
• Abstract要約: 本研究では,アクティブ推論に基づくロボットマニピュレータの耐故障性制御手法を提案する。 既存のスキームの大多数では、測定データに基づいて、センサが正常(機能)か故障かを二分判定する。 本稿では,障害回復を誘発する事前しきい値の定義を必要としない,能動推論と高精度学習に基づく耐故障性スキームを提案する。
• 参考スコア（独自算出の注目度）: 3.6536977425574664
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work presents a fault-tolerant control scheme for sensory faults in robotic manipulators based on active inference. In the majority of existing schemes, a binary decision of whether a sensor is healthy (functional) or faulty is made based on measured data. The decision boundary is called a threshold and it is usually deterministic. Following a faulty decision, fault recovery is obtained by excluding the malfunctioning sensor. We propose a stochastic fault-tolerant scheme based on active inference and precision learning which does not require a priori threshold definitions to trigger fault recovery. Instead, the sensor precision, which represents its health status, is learned online in a model-free way allowing the system to gradually, and not abruptly exclude a failing unit. Experiments on a robotic manipulator show promising results and directions for future work are discussed.
• Abstract（参考訳）: 本研究では,アクティブ推論に基づくロボットマニピュレータの耐故障性制御手法を提案する。 既存のスキームの大部分では、センサが健全(機能)であるか、故障であるかの2値決定は、測定データに基づいて行われる。 決定境界はしきい値と呼ばれ、通常は決定論的である。 故障判定後、故障センサを除外して障害回復を得る。 本稿では,事前のしきい値定義を必要としない能動推論と高精度学習に基づく確率的フォールトトレラントスキームを提案する。 代わりに、その健康状態を表すセンサーの精度は、モデルフリーな方法でオンラインで学習され、システムが突然、故障したユニットを除外することはない。 ロボットマニピュレータにおける実験結果と今後の課題への方向性について述べる。

関連論文リスト

• Learning a Factorized Orthogonal Latent Space using Encoder-only Architecture for Fault Detection; An Alarm management perspective [0.2455468619225742]
  本稿では,プロセス変数の誤同定および決定論的成分を効果的に分離する,エンコーダに基づく残差設計を提案する。 提案モデルは2つの異なるエンコーダを用いて、潜在空間を2つの空間に分解する。 提案モデルでは、ほぼゼロの誤報と誤検出を達成しつつ予測品質を著しく向上させる。
  論文  参考訳（メタデータ） (2024-08-24T09:00:45Z)
• PREGO: online mistake detection in PRocedural EGOcentric videos [49.72812518471056]
  自己中心型ビデオにおける誤り検出のための,最初のオンライン一級分類モデルであるPregoを提案する。 PreGOは、現在のアクションをモデル化するオンラインアクション認識コンポーネントと、次のアクションを予測するシンボリック推論モジュールに基づいている。 手続き的誤り検出のオンラインベンチマークに適応する2つの手続き的自己中心型ビデオデータセットであるAmbly101とEpic-tentについてPreGOを評価した。
  論文  参考訳（メタデータ） (2024-04-02T13:27:28Z)
• Active Foundational Models for Fault Diagnosis of Electrical Motors [0.5999777817331317]
  電気モーターの故障検出と診断は、産業システムの安全かつ信頼性の高い運転を保証する上で最も重要である。 マシン故障診断のための既存のデータ駆動ディープラーニングアプローチは、大量のラベル付きサンプルに大きく依存している。 ラベル付きサンプルを少ない量で活用する基礎モデルに基づくアクティブラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-27T03:25:12Z)
• A Comparison of Residual-based Methods on Fault Detection [6.675805308519987]
  本研究では,産業システムにおける欠陥検出のための残差に基づく2つのアプローチを比較した。 性能評価は, 健康指標構築, 断層検出, 健康指標解釈の3つの課題に焦点をあてる。 その結果、両モデルとも平均20サイクルの遅延で故障を検出でき、偽陽性率を低く維持できることがわかった。
  論文  参考訳（メタデータ） (2023-09-05T14:39:27Z)
• Causal Disentanglement Hidden Markov Model for Fault Diagnosis [55.90917958154425]
  本研究では, 軸受破壊機構の因果性を学ぶために, 因果解離隠れマルコフモデル (CDHM) を提案する。 具体的には、時系列データをフル活用し、振動信号を断層関連要因と断層関連要因に段階的に分解する。 アプリケーションの範囲を広げるために、学習された非絡み合った表現を他の作業環境に転送するために、教師なしのドメイン適応を採用する。
  論文  参考訳（メタデータ） (2023-08-06T05:58:45Z)
• Unsupervised Anomaly Detection with Rejection [19.136286864839846]
  異常検知器は直観を用いて決定境界を学習するが、実際に検証することは困難である。 これに対抗する方法の1つは、検出器が高い不確実性のある例を拒否できるようにすることである。 これは、決定境界までの距離を捉え、低信頼の予測を拒否するために拒絶しきい値を設定する信頼度基準を用いる必要がある。
  論文  参考訳（メタデータ） (2023-05-22T16:22:32Z)
• Interactive System-wise Anomaly Detection [66.3766756452743]
  異常検出は様々なアプリケーションにおいて基本的な役割を果たす。 既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。 システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
  論文  参考訳（メタデータ） (2023-04-21T02:20:24Z)
• Sensor Fault Detection and Isolation in Autonomous Nonlinear Systems Using Neural Network-Based Observers [6.432798111887824]
  センサ故障検出分離法(s-FDI)は一般的な非線形システムに適用される。 このアプローチの主な側面は、ニューラルネットワークベースのKazantzis-Kravaris/Luenberger(KKL)オブザーバの利用である。
  論文  参考訳（メタデータ） (2023-04-18T09:05:07Z)
• Uncertainty-Aware AB3DMOT by Variational 3D Object Detection [74.8441634948334]
  不確実性推定は統計的に正確な予測を提供する効果的なツールである。 本稿では,変分ニューラルネットワークを用いたTANet 3Dオブジェクト検出器を提案し,不確実性のある3Dオブジェクト検出を行う。
  論文  参考訳（メタデータ） (2023-02-12T14:30:03Z)
• Trajectory Forecasting from Detection with Uncertainty-Aware Motion Encoding [121.66374635092097]
  物体検出と追跡から得られる軌道は、必然的にうるさい。 本稿では, 明示的に形成された軌道に依存することなく, 直接検出結果に基づく軌道予測器を提案する。
  論文  参考訳（メタデータ） (2022-02-03T09:09:56Z)
• CertainNet: Sampling-free Uncertainty Estimation for Object Detection [65.28989536741658]
  ニューラルネットワークの不確実性を推定することは、安全クリティカルな設定において基本的な役割を果たす。 本研究では,オブジェクト検出のための新しいサンプリング不要不確実性推定法を提案する。 私たちはそれをCertainNetと呼び、各出力信号に対して、オブジェクト性、クラス、位置、サイズという、別の不確実性を提供するのは、これが初めてです。
  論文  参考訳（メタデータ） (2021-10-04T17:59:31Z)

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。