論文の概要: Digital Twin-based Out-of-Distribution Detection in Autonomous Vessels
- arxiv url: http://arxiv.org/abs/2504.19816v1
- Date: Mon, 28 Apr 2025 14:12:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:54.457218
- Title: Digital Twin-based Out-of-Distribution Detection in Autonomous Vessels
- Title（参考訳）: 自律型容器におけるディジタルツインを用いたアウト・オブ・ディストリビューション検出
- Authors: Erblin Isaku, Hassan Sartaj, Shaukat Ali,
- Abstract要約: 自律型容器 (AV) は、多くの重要な機能を実現するソフトウェアを備えた複雑なサイバー物理システム(CPS)である。
このようなAVのディジタルツインは、What-ifシナリオの実行、予測メンテナンスの実行、障害診断などの高度な機能を可能にする。
本稿では,AVの今後のアウト・オブ・ディストリビューション(OOD)状態を検出するために,新しいディジタルツインベースアプローチ(ODDIT)を提案する。
- 参考スコア（独自算出の注目度）: 3.229371159969159
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: An autonomous vessel (AV) is a complex cyber-physical system (CPS) with software enabling many key functionalities, e.g., navigation software enables an AV to autonomously or semi-autonomously follow a path to its destination. Digital twins of such AVs enable advanced functionalities such as running what-if scenarios, performing predictive maintenance, and enabling fault diagnosis. Due to technological improvements, real-time analyses using continuous data from vessels' real-time operations have become increasingly possible. However, the literature has little explored developing advanced analyses in real-time data in AVs with digital twins built with machine learning techniques. To this end, we present a novel digital twin-based approach (ODDIT) to detect future out-of-distribution (OOD) states of an AV before reaching them, enabling proactive intervention. Such states may indicate anomalies requiring attention (e.g., manual correction by the ship master) and assist testers in scenario-centered testing. The digital twin consists of two machine-learning models predicting future vessel states and whether the predicted state will be OOD. We evaluated ODDIT with five vessels across waypoint and zigzag maneuvering under simulated conditions, including sensor and actuator noise and environmental disturbances i.e., ocean current. ODDIT achieved high accuracy in detecting OOD states, with AUROC and TNR@TPR95 scores reaching 99\% across multiple vessels.
- Abstract（参考訳）: 自律型容器 (AV) は複雑なサイバー物理システム (CPS) であり、ナビゲーションソフトウェアはAVが目的地に向かう経路を自律的または半自律的に追従することを可能にする。
このようなAVのディジタルツインは、What-ifシナリオの実行、予測メンテナンスの実行、障害診断などの高度な機能を可能にする。
技術的改善により、船舶のリアルタイム操作からの連続データを用いたリアルタイム分析が可能になった。
しかし、この文献は、機械学習技術で構築されたデジタルツインを用いたAVにおけるリアルタイムデータの高度な分析の開発についてはほとんど研究されていない。
この目的のために我々は,AVの今後のアウト・オブ・ディストリビューション(OOD)状態を検出するために,新しいディジタルツインベースアプローチ(ODDIT)を提案する。
このような状態は、注意を要する異常(例えば、船主による手動修正)を示し、シナリオ中心のテストでテスターを支援することができる。
デジタルツインは、将来の船の状態と予測状態がOODになるかどうかを予測する2つの機械学習モデルで構成されている。
センサやアクチュエータの騒音,環境障害,すなわち海流などのシミュレーション条件下での5つの船舶を用いたODDITの評価を行った。
ODDITはOODの検出において高い精度を達成し、AUROCとTNR@TPR95のスコアは複数の船舶で99\%に達した。
関連論文リスト
- Generative Diffusion-based Contract Design for Efficient AI Twins Migration in Vehicular Embodied AI Networks [55.15079732226397]
Embodied AIは、サイバースペースと物理空間のギャップを埋める、急速に進歩する分野だ。
VEANETでは、組み込まれたAIツインが車載AIアシスタントとして機能し、自律運転をサポートするさまざまなタスクを実行する。
論文 参考訳（メタデータ） (2024-10-02T02:20:42Z) - Diagnostic Digital Twin for Anomaly Detection in Floating Offshore Wind Energy [0.0]
診断デジタルツインは、リアルタイムデータとモデルを組み合わせて、損傷を監視し、異常を検出し、障害を診断する資産の仮想表現である。
教師なし学習手法は、正常な動作モデルを構築し、異常を検出し、故障診断を提供するために用いられる。
この論文は、オフショアエンジニアリングのより広い文脈で診断デジタル双生児について議論することで締めくくっている。
論文 参考訳（メタデータ） (2024-06-04T20:45:20Z) - Robotic Navigation Autonomy for Subretinal Injection via Intelligent
Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。
提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。
ブタ前眼の精度と再現性について実験を行った。
論文 参考訳（メタデータ） (2023-01-17T21:41:21Z) - Interpretable Self-Aware Neural Networks for Robust Trajectory
Prediction [50.79827516897913]
本稿では,意味概念間で不確実性を分散する軌道予測のための解釈可能なパラダイムを提案する。
実世界の自動運転データに対する我々のアプローチを検証し、最先端のベースラインよりも優れた性能を示す。
論文 参考訳（メタデータ） (2022-11-16T06:28:20Z) - Cyber-resilience for marine navigation by information fusion and change
detection [1.7205106391379026]
サイバーレジリエンスは、海洋船の自律航法ソリューションの開発において、ますます関心が高まりつつある。
本稿では,3つのエッジを持つプリズムを通した海洋航法におけるサイバーレジリエンス特性について検討する。
沿岸航法に用いるセンサ信号の診断と緩和のための2段階推定器を提案する。
論文 参考訳（メタデータ） (2022-02-01T12:56:02Z) - Disengagement Cause-and-Effect Relationships Extraction Using an NLP
Pipeline [14.708195642446716]
カリフォルニア州自動車局(CA DMV)は自動運転車テストプログラムを開始した。
このプログラムは、自律走行から自律走行(AVD)に関するレポートを収集し、リリースする。
本研究は,事前学習モデルを用いた深層移動学習の実践として成功し,統合された解離データベースを生成する。
論文 参考訳（メタデータ） (2021-11-05T14:00:59Z) - DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly
detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。
通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。
その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文 参考訳（メタデータ） (2021-09-08T14:07:55Z) - Improving Variational Autoencoder based Out-of-Distribution Detection
for Embedded Real-time Applications [2.9327503320877457]
アウト・オブ・ディストリビューション(OD)検出は、リアルタイムにアウト・オブ・ディストリビューションを検出するという課題に対処する新しいアプローチである。
本稿では,自律走行エージェントの周囲の有害な動きを頑健に検出する方法について述べる。
提案手法は,OoD因子の検出能力を一意に改善し,最先端手法よりも42%向上した。
また,本モデルでは,実験した実世界およびシミュレーション駆動データに対して,最先端技術よりも97%の精度でほぼ完璧に一般化した。
論文 参考訳（メタデータ） (2021-07-25T07:52:53Z) - SODA10M: Towards Large-Scale Object Detection Benchmark for Autonomous
Driving [94.11868795445798]
我々は,SODA10Mという名の自律走行用大規模物体検出ベンチマークをリリースし,1000万枚の未ラベル画像と6つの代表対象カテゴリをラベル付けした20K画像を含む。
多様性を向上させるために、画像は32の異なる都市で、1フレームあたり10秒毎に異なる気象条件、期間、場所のシーンで収集される。
我々は、既存の教師付き最先端検出モデル、一般的な自己監督型および半教師付きアプローチ、および将来のモデルの開発方法に関するいくつかの知見について、広範な実験と詳細な分析を行った。
論文 参考訳（メタデータ） (2021-06-21T13:55:57Z) - Reliability Analysis of Artificial Intelligence Systems Using Recurrent
Events Data from Autonomous Vehicles [2.7515565752659645]
我々は、自動運転車におけるAIシステムの信頼性の表現として、リカレントな切り離しイベントを使用している。
イベント・プロセスを記述するために,モノトニック・スプラインに基づく新しい非パラメトリック・モデルを提案する。
論文 参考訳（メタデータ） (2021-02-02T20:25:23Z) - A Novel Anomaly Detection Algorithm for Hybrid Production Systems based
on Deep Learning and Timed Automata [73.38551379469533]
DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。
深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。
このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
論文 参考訳（メタデータ） (2020-10-29T08:27:43Z)
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。