Sensing Anomalies as Potential Hazards: Datasets and Benchmarks

要約

自律移動ロボットの視覚センシング データ ストリームで、同様の環境でのロボットの以前の経験に比べて異常な (つまり異常な) セマンティック パターンを検出する問題を検討します。
これらの異常は、予期しない危険を示している可能性があり、失敗するとコストがかかるシナリオでは、回避行動をトリガーするために使用できます。
さまざまな種類の異常にまたがる、合計 20 万を超えるラベル付きフレームで構成される、ロボット探査シナリオで取得された 3 つの新しい画像ベースのデータセットを提供します。
これらのデータセットで、さまざまなスケールで動作するオートエンコーダーに基づく異常検出アプローチのパフォーマンスを調査します。

要約(オリジナル)

We consider the problem of detecting, in the visual sensing data stream of an autonomous mobile robot, semantic patterns that are unusual (i.e., anomalous) with respect to the robot’s previous experience in similar environments. These anomalies might indicate unforeseen hazards and, in scenarios where failure is costly, can be used to trigger an avoidance behavior. We contribute three novel image-based datasets acquired in robot exploration scenarios, comprising a total of more than 200k labeled frames, spanning various types of anomalies. On these datasets, we study the performance of an anomaly detection approach based on autoencoders operating at different scales.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google