Work

Autonome Fehlererkennung bei Robotern mithilfe eines künstlichen Immunsystems

Year: 2012
Type: dissertation
Abstract: Diese Arbeit untersucht, ob fehlerhaftes Verhalten eines Roboters zur Laufzeit mithilfe eines künstlichen Immunsystems erkannt werden kann. Der Einsatz von Robotern auf dem Mond, in radioaktiv verseuchten Gebieten oder auch auf dem Spielfeld des Robocups erlaubt häufig kein Eingreifen eines Menschen. Das selbstständig agierende System muss in vielen Situationen autonom Fehlerfälle erfassen, um darauf im laufenden Betrieb reagieren zu können. Die Abdeckung deterministisch auftretender Fehler durch Ausnahmebedingungen ist häufig nicht ausreichend. Aufgrund dessen werden Ansätze aus der Disziplin des maschinellen Lernens eingesetzt, um den Roboter die Anomalien autark erkennen zu lassen. Künstliche Immunsysteme stellen einen dieser Ansätze dar, die erlauben, fehlerfreie und gefährliche Zustandsmuster zu unterscheiden. Biologische Immunsysteme sind dabei eine Inspirationsquelle für die Algorithmen und deren Bestandteile.Ziel dieser Diplomarbeit ist es, ein Robotersystem mittels künstlichen Immunsystems in die Lage zu versetzen, sowohl deterministisch als auch indeterministisch auftretende Fehler mit unbekannten Quellen zur Laufzeit zu registrieren und indessen deutlich von fehlerfreien Zuständen zu unterscheiden. Dabei dienen die Reaktionszeit des Immunsystems sowie die Anzahl der falsch eingeschätzten Zustände als Evaluierungskriterien. In der Arbeit wird gezeigt, dass ein künstliches Immunsystem integriert in einen Fußball spielenden NAO-Roboter die Fähigkeit besitzt, den Ausfall von visuellen sowie motorischen Fähigkeiten zu diagnostizieren. Das implementierte Immunsystem wird zum Zweck der Evaluierung in die Infrastruktur der ``Austrian Kangaroos'' integriert. Ein Großteil der Evaluierung erfolgt am Simulator, um den Verschleiß der Hardware einzuschränken. Die erstellte Infrastruktur wird abschließend am Roboter selbst im Spielbetrieb getestet. Der Roboter ist in der Lage, sowohl am Simulator als auch in der Realität 99,5% aller Fehler innerhalb von wenigen Sekunden zu erkennen. Zudem schätzt das künstliche Immunsystem mehr als 99% der fehlerfreien Zustände korrekt ein. Im Rahmen des Robocup 2012 konnte das implementierte System bereits erfolgreich vorgestellt werden.
Author: Wieser, Martin
Language: German
Open Access status: green
OpenAlex ID: W7007991565
Cites: 21
Cited by:
Related to: 10