異常検知/ワールドモデル2026/10/23arXiv:2610.32742

異常認識のための適応型ワールドモデル（AWARE）：ロボットダイナミクス予測と内省のフレームワーク

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

外部カメラのみでロボットのダイナミクスを推定し状態予測することで異常検知を行うワールドモデルを提案し、クレーン軌道240例でベースライン比26%の分類改善と故障源の88%特定を達成した。

詳しい要約

1. どんなもの？

- 外部カメラのみでロボットのダイナミクスを推定し異常検知する枠組み「AWARE」 - world model によりシステムの dynamics estimation と state prediction を行う - 対象は critical infrastructure の異常で、payload collisions や motor degradations を含む - 240 本の実世界ロボットクレーン軌道で評価 - 異常分類と故障源の特定(introspection)の両方を狙う

2. 先行研究と比べてどこがすごい？

- 従来の異常検知は motor encoders 等の onboard sensors による直接アクセスを前提とすることが多い - legacy hardware ではセンサ欠如、厳格な security protocols ではアクセス自体が禁止されうる - AWARE は外部カメラ監視のみで異常検知を可能にする点が異なる - noisy な camera-only state estimation 下で、最強 baseline 比 26% の anomaly classification 改善を報告

3. 技術・手法の肝は？

- world model による system dynamics estimation と state prediction を核とする - 外部カメラから推定した状態を用いてダイナミクスを学習・推定 - 推定された dynamics parameter を decode し、故障源の特定に利用 - 異常検知を予測誤差などの dynamics 整合性に基づいて行う枠組み(詳細な損失設計は要旨からは不明)

4. どうやって有効だと検証した？

- 240 本の実世界ロボットクレーン軌道で評価 - payload collisions と motor degradations を含む異常を対象 - noisy な camera-only state estimation 条件下で anomaly classification を比較し、最強 baseline 比 26% 改善 - 推定 dynamics parameter の decode により degrading motor を 88% 精度で localize できることを示す

5. 議論はある？

- camera-only かつ noisy な状態推定下での性能限界や感度は要旨からは不明 - 他のロボット系・異常種別への汎化性は要旨からは不明 - legacy hardware や security 制約下での実運用上の制約・導入コストは要旨からは不明 - dynamics parameter の解釈性と故障源特定の一般性については更なる検証が必要と考えられる(要旨からは不明)

6. 次に読むべき論文は？

- 本論文の strongest baseline(名称は要旨からは不明) - world model を用いたロボティクス向け異常検知・dynamics learning の関連研究(具体名は要旨からは不明) - camera-only state estimation / pose estimation を用いたロボット監視の定番手法 - motor degradation や payload collision を含む産業ロボットの fault diagnosis 研究

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Luke Beddow, George Mavroghenis, Rodrigo Chacon Quesada, Kamil Dreczkowski, Cong Sun, Jiankai Wang, Oscar Kwong-Fai Pang, Antoine Cully

分類: cs.RO, cs.AI

原文アブストラクト

Unrecognized anomalies in critical infrastructure can rapidly cascade into catastrophic physical or operational failures. Current anomaly detection approaches often rely on direct access to the monitored system by utilizing onboard sensors, such as motor encoders, to detect anomalous states. However, legacy hardware often lacks these sensors, or strict security protocols may prohibit access altogether. We therefore present AWARE, a world model framework that is capable of anomaly detection using only external camera monitoring via system dynamics estimation and state prediction. Evaluated across 240 real-world robotic crane trajectories, including payload collisions and motor degradations, AWARE demonstrates a 26% improvement in anomaly classification over our strongest baseline under noisy, camera-only state estimation. Furthermore, the inferred dynamics parameter can be decoded to identify the source of faults, localizing the degrading motor with 88% accuracy.

arXivで原文を読む →arXiv概要ページ

← 論文一覧