Digital Twin-based Out-of-Distribution Detection in Autonomous Vessels

要約

自律容器（AV）は、多くの主要な機能を可能に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）です。たとえば、ナビゲーションソフトウェアにより、AVは自律的または半自律的にその目的地への道をたどることができます。
このようなAVのデジタルツインは、What-IFシナリオの実行、予測メンテナンスの実行、障害診断の有効化などの高度な機能を可能にします。
技術的な改善により、船舶のリアルタイム操作からの継続的なデータを使用したリアルタイム分析がますます可能になりました。
ただし、この文献では、機械学習技術で構築されたデジタルツインを使用して、AVSのリアルタイムデータの高度な分析の開発をほとんど調査していません。
この目的のために、AVに到達する前にAVの将来の分布（OOD）状態を検出するための新しいデジタルツインベースのアプローチ（Oddit）を提示し、積極的な介入を可能にします。
そのような状態は、注意を必要とする異常（船長による手動修正）を示す可能性があり、シナリオ中心のテストでテスターを支援します。
デジタルツインは、将来の船舶状態を予測する2つの機械学習モデルと、予測された状態がOODになるかどうかで構成されています。
センサーとアクチュエーターの騒音や環境障害など、海洋電流など、ウェイポイントとジグザグ操作を5隻の容器でオッディットを評価しました。
OdditはOOD状態の検出において高い精度を達成し、AUROCとTNR@TPR95スコアは複数の容器で99％に達しました。

要約(オリジナル)

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.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google