ALLO: A Photorealistic Dataset and Data Generation Pipeline for Anomaly Detection During Robotic Proximity Operations in Lunar Orbit

要約

NASAが間もなく建設する月ゲートウェイ宇宙ステーションは、ほとんどの時間無人で運用される予定であり、前例のないレベルの自律性で運用する必要がある。
ゲートウェイの自律性を強化するには、いくつかの特有の課題が伴います。その 1 つは、ゲートウェイの外部ロボット システムである Canadarm3 に作業現場の監視を実行する機能を装備することです。
監視には、アームの検査カメラを使用して動作環境内の異常を検出することが含まれますが、宇宙では照明条件が大きく変化するため、この作業は複雑になります。
この論文では、宇宙アプリケーション向けの視覚的異常検出および位置特定タスクを紹介し、ALLO (月周回軌道における異常位置特定) と呼ばれる新しい合成データセットを使用してベンチマークを確立します。
私たちは、最先端の視覚的異常検出アルゴリズムのパフォーマンスを評価するために使用する ALLO を作成するための完全なデータ生成パイプラインを開発します。
宇宙運用中のリスク許容度が低く、関連データが不足していることを考慮すると、月周回軌道やそれ以降で見られる困難な視覚条件に対処するための、斬新で堅牢かつ正確な異常検出方法の必要性を強調しています。

要約(オリジナル)

NASA’s forthcoming Lunar Gateway space station, which will be uncrewed most of the time, will need to operate with an unprecedented level of autonomy. Enhancing autonomy on the Gateway presents several unique challenges, one of which is to equip the Canadarm3, the Gateway’s external robotic system, with the capability to perform worksite monitoring. Monitoring will involve using the arm’s inspection cameras to detect any anomalies within the operating environment, a task complicated by the widely-varying lighting conditions in space. In this paper, we introduce the visual anomaly detection and localization task for space applications and establish a benchmark with our novel synthetic dataset called ALLO (for Anomaly Localization in Lunar Orbit). We develop a complete data generation pipeline to create ALLO, which we use to evaluate the performance of state-of-the-art visual anomaly detection algorithms. Given the low tolerance for risk during space operations and the lack of relevant data, we emphasize the need for novel, robust, and accurate anomaly detection methods to handle the challenging visual conditions found in lunar orbit and beyond.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google