Neural Network Verification for Gliding Drone Control: A Case Study

要約

機械学習が自律システムにますます展開されるため、ニューラルネットワークコントローラーの検証は積極的な研究領域になりつつあります。
既存のツールと年次検証競争は、この技術がすぐに現実世界のアプリケーションに効果的になることを示唆しています。
私たちのアプリケーションは、風によって受動的に輸送されるマイクロファイヤーの新興分野から来ています。これは、天候や汚染の監視にさまざまな用途がある可能性があります。
具体的には、Alsomitra Macrocarpa diasporesに似たセンチスケールのバイオ風に触れた滑空ドローンを調査します。
この論文では、ターゲットの軌跡に密接に付着することを目的として、ニューラルネットワークコントローラーを使用したアルサミトラ風のドローンの検証に関する新しいケーススタディを提案します。
私たちのシステムは、既存のVNNおよびARCHコンペティションのベンチマークとは大きく異なることを示し、特定の欠点を克服できる場合、ツールの組み合わせが将来そのようなシステムを検証することを約束することを示しています。
回帰ネットワークの堅牢なトレーニングのための新しい方法を提案し、車両とCORAでのこのケーススタディの形式を調査します。
検証結果は、調査対象のトレーニング方法がこのアプリケーションでのニューラルネットワークコントローラーのパフォーマンスと堅牢性を改善するが、範囲と有用性が限られていることを示唆しています。
これは、車両とCORAの両方の体系的な制限と、到達可能性のスケールを縮小するシステムの複雑さによるものであり、詳細に調査します。
これらの制限を克服できれば、エンジニアは人々の生活を改善し、環境への影響を減らす安全で堅牢な技術を開発できるようになります。

要約(オリジナル)

As machine learning is increasingly deployed in autonomous systems, verification of neural network controllers is becoming an active research domain. Existing tools and annual verification competitions suggest that soon this technology will become effective for real-world applications. Our application comes from the emerging field of microflyers that are passively transported by the wind, which may have various uses in weather or pollution monitoring. Specifically, we investigate centimetre-scale bio-inspired gliding drones that resemble Alsomitra macrocarpa diaspores. In this paper, we propose a new case study on verifying Alsomitra-inspired drones with neural network controllers, with the aim of adhering closely to a target trajectory. We show that our system differs substantially from existing VNN and ARCH competition benchmarks, and show that a combination of tools holds promise for verifying such systems in the future, if certain shortcomings can be overcome. We propose a novel method for robust training of regression networks, and investigate formalisations of this case study in Vehicle and CORA. Our verification results suggest that the investigated training methods do improve performance and robustness of neural network controllers in this application, but are limited in scope and usefulness. This is due to systematic limitations of both Vehicle and CORA, and the complexity of our system reducing the scale of reachability, which we investigate in detail. If these limitations can be overcome, it will enable engineers to develop safe and robust technologies that improve people’s lives and reduce our impact on the environment.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google