用于异常识别的自适应世界模型（AWARE）：机器人动力学预测与自省框架
Adaptive World-Models for Anomaly Recognition (AWARE): A Framework for Robot Dynamics Prediction and Introspection
精选理由
该框架仅凭外部摄像头预测机器人动态并识别异常，还能定位故障电机，为缺少传感器或受限设备的安全监测提供新方案。
AI 摘要
关键基础设施中未被识别的异常可能迅速引发级联效应，导致灾难性的物理或运行故障。当前的异常检测方法通常依赖对受监测系统的直接访问，利用电机编码器等内置传感器来检测异常状态。然而，老旧硬件往往缺少这些传感器，或者严格的安全协议可能完全禁止此类访问。因此，我们提出了 AWARE，这是一种世界模型框架，能够通过系统动力学估计和状态预测，仅使用外部摄像头监测来检测异常。我们在 240 条真实世界机器人起重机运动轨迹上进行了评估，其中包括负载碰撞和电机性能退化情形。在仅依靠摄像头且存在噪声的状态估计条件下，AWARE 的异常分类性能较我们最强的基线提升了 26%。此外，还可以对推断出的动力学参数进行解码，以识别故障来源，并以 88% 的准确率定位性能退化的电机。