Force-Driven Validation for Collaborative Robotics in Automated Avionics Testing

要約

Artoは、共同ロボット（コボット）と人工知能（AI）を組み合わせて、民間および軍事航空機の認証のための機能的テスト手順を自動化するプロジェクトです。
このホワイトペーパーでは、ディープラーニング（DL）および説明可能なAI（XAI）アプローチを提案し、Artoに相互作用分析機能を装備して、コックピットコンポーネントの操作を検証および検証します。
これらの相互作用中、力、トルク、エンドエフェクターのポーズが記録され、低性能コントローラーと埋め込み力トルクセンサー（FTS）によって引き起こされる障害をフィルタリングするために前処理されます。
畳み込みニューラルネットワーク（CNNS）は、失敗の原因を特定して報告すると同時に、コボットアクションを成功または失敗として分類します。
解釈可能性を向上させるために、視覚的な説明のためのXAIテクニックであるGrad Camが統合され、モデルの意思決定プロセスに関する洞察を提供します。
このアプローチは、自動化されたテストシステムの信頼性と信頼性を高め、テスト中に発生する可能性のあるエラーの診断と修正を促進します。

要約(オリジナル)

ARTO is a project combining collaborative robots (cobots) and Artificial Intelligence (AI) to automate functional test procedures for civilian and military aircraft certification. This paper proposes a Deep Learning (DL) and eXplainable AI (XAI) approach, equipping ARTO with interaction analysis capabilities to verify and validate the operations on cockpit components. During these interactions, forces, torques, and end effector poses are recorded and preprocessed to filter disturbances caused by low performance force controllers and embedded Force Torque Sensors (FTS). Convolutional Neural Networks (CNNs) then classify the cobot actions as Success or Fail, while also identifying and reporting the causes of failure. To improve interpretability, Grad CAM, an XAI technique for visual explanations, is integrated to provide insights into the models decision making process. This approach enhances the reliability and trustworthiness of the automated testing system, facilitating the diagnosis and rectification of errors that may arise during testing.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google