Enhancing Rover Mobility Monitoring: Autoencoder-driven Anomaly Detection for Curiosity

要約

火星科学研究所は、その使命を開始してから 11 年以上が経ち、依然として NASA の火星探査にとって重要な役割を果たしています。
探査機の長期的な機能を保護することは、ミッションの最優先事項です。
この研究では、ホイールアクチュエータ、ローバー慣性測定ユニット (RIMU)、およびサスペンション システムからのテレメトリ データを使用して、駆動異常を検出するための不完全なオートエンコーダ モデルを導入し、テストします。
私たちのアプローチは、戦術的なダウンリンクセッション中のドライブ後のデータ分析を強化します。
さまざまなモデル アーキテクチャと入力特徴を調査して、それらがパフォーマンスに与える影響を理解します。
モデルの評価には、現実世界のシナリオを模倣するために、目に見えないデータでモデルをテストすることが含まれます。
私たちの実験は、Curiosity 探査機データセット内のドライブの異常を検出する際に、不完全なオートエンコーダー モデルの有効性を実証しました。
注目すべきことに、このモデルは人間のオペレーターが見逃した微妙な異常なテレメトリ パターンさえも識別します。
さらに、さまざまなモデル アーキテクチャと入力機能を比較することで、最適な設計の選択に関する洞察を提供します。
初期段階の故障を示す可能性のある目立たない異常を捕捉するこのモデルの能力は、異常の早期検出と事前のメンテナンスを通じて将来の惑星探査ミッションの信頼性と安全性を向上させることにより、この分野で期待されています。

要約(オリジナル)

Over eleven years into its mission, the Mars Science Laboratory remains vital to NASA’s Mars exploration. Safeguarding the rover’s long-term functionality is a top mission priority. In this study, we introduce and test undercomplete autoencoder models for detecting drive anomalies, using telemetry data from wheel actuators, the Rover Inertial Measurement Unit (RIMU), and the suspension system. Our approach enhances post-drive data analysis during tactical downlink sessions. We explore various model architectures and input features to understand their impact on performance. Evaluating the models involves testing them on unseen data to mimic real-world scenarios. Our experiments demonstrate the undercomplete autoencoder model’s effectiveness in detecting drive anomalies within the Curiosity rover dataset. Remarkably, the model even identifies subtle anomalous telemetry patterns missed by human operators. Additionally, we provide insights into optimal design choices by comparing different model architectures and input features. The model’s ability to capture inconspicuous anomalies, potentially indicating early-stage failures, holds promise for the field, by improving the reliability and safety of future planetary exploration missions through early anomaly detection and proactive maintenance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google