Concept: Dynamic Risk Assessment for AI-Controlled Robotic Systems

要約

AI 制御のロボット システムは、人間の作業者と環境にリスクをもたらします。
古典的なリスク評価手法では、このようなブラックボックス システムを適切に説明できません。
したがって、このような AI 制御システムの動的なリスク評価のための新しい方法が必要です。
この論文では、AI 制御ロボット システムの新しい動的リスク評価アプローチの概念を紹介します。
このアプローチでは、次の 5 つのブロックがパイプライン化されます: (i) 特定のシミュレーションのデータを記録するデータ ロギング、(ii) 深層学習技術を使用して実行されたスキルを自動的に検出するスキル検出、(iii) 行動プロファイルを作成する行動分析
(iv) ロボットのハードウェア コンポーネントの故障確率を含む動作プロファイルとリスク データを高度なハイブリッド リスク モデルに自動的に変換するリスク モデル生成、および (v) 生成されたハイブリッドの数値評価のためのリスク モデル ソルバー
リスクモデル。
キーワード: 動的リスク評価、ハイブリッド リスク モデル、M2M 変換、ROS、AI 制御ロボット システム、深層学習、強化学習

要約(オリジナル)

AI-controlled robotic systems pose a risk to human workers and the environment. Classical risk assessment methods cannot adequately describe such black box systems. Therefore, new methods for a dynamic risk assessment of such AI-controlled systems are required. In this paper, we introduce the concept of a new dynamic risk assessment approach for AI-controlled robotic systems. The approach pipelines five blocks: (i) a Data Logging that logs the data of the given simulation, (ii) a Skill Detection that automatically detects the executed skills with a deep learning technique, (iii) a Behavioral Analysis that creates the behavioral profile of the robotic systems, (iv) a Risk Model Generation that automatically transforms the behavioral profile and risk data containing the failure probabilities of robotic hardware components into advanced hybrid risk models, and (v) Risk Model Solvers for the numerical evaluation of the generated hybrid risk models. Keywords: Dynamic Risk Assessment, Hybrid Risk Models, M2M Transformation, ROS, AI-Controlled Robotic Systems, Deep Learning, Reinforcement Learning

arxiv情報

提供元, 利用サービス

arxiv.jp, Google