AWARE：仅靠外部摄像头实现机器人动力学预测与异常识别的世界模型框架

Adaptive World-Models for Anomaly Recognition (AWARE): A Framework for Robot Dynamics Prediction and Introspection

AI 导读

AWARE 是一个仅依赖外部摄像头监控、通过系统动力学估计与状态预测完成异常检测的世界模型框架，无需电机编码器等机载传感器。在 240 条真实机器人吊车轨迹（含负载碰撞与电机退化）上，其异常分类性能在噪声条件下比最强基线提升 26%。推断出的动力学参数还可解码定位故障源，识别退化电机的准确率达 88%。

正文 · AI 翻译

查看 PDF HTML（实验性）

摘要：关键基础设施中未被识别的异常可能迅速级联为灾难性的物理或运行故障。当前的异常检测方法通常依赖直接访问被监测系统，利用车载传感器（如电机编码器）来检测异常状态。然而，遗留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访问。因此，我们提出 AWARE，一个世界模型框架，仅通过外部摄像头监测，利用系统动力学估计和状态预测即可进行异常检测。在 240 条真实世界机器人起重机轨迹（包括负载碰撞和电机退化）上评估，AWARE 在噪声、仅摄像头状态估计下，异常分类性能比我们最强的基线提升了 26%。此外，推断出的动力学参数可被解码以识别故障来源，定位退化电机的准确率达到 88%。

学科：	机器人学（cs.RO）；人工智能（cs.AI）
引用为：	arXiv:2610.32742 [cs.RO]
	（或 arXiv:2610.32742v1 [cs.RO] 用于此版本）
	https://doi.org/10.48550/arXiv.2610.32742 由 DataCite 颁发的 arXiv DOI（待注册）

提交历史

来自：George Mavroghenis [查看邮箱]
[v1] 2026年10月23日星期五 14:54:36 UTC（25,927 KB）

来源：arXiv cs.AI · arxiv.org