获取完整原文和代码，公众号回复：10041164888
论文地址： http://arxiv.org/pdf/2105.12882v1.pdf
代码： 公众号回复：10041164888
来源： Harvard University，Georgia Institute of Technology
论文名称：MAVFI An End-to-End Fault Analysis Framework with Anomaly Detection and Recovery for Micro Aerial Vehicles
原文作者：Yu-Shun Hsiao
内容提要
在自动驾驶汽车和无人机等自动机器服务中，可靠性和安全性至关重要。在本文中，我们首先提出了一个开源的微型飞行器(Micro Aerial Vehicles, MAVs)可靠性分析框架——MAVFI，用来描述瞬态故障对端到端飞行指标的影响，如飞行时间、成功率。在此基础上，我们发现端到端的容错分析对于系统可靠性的表征至关重要。我们证明，在常见的感知-规划-控制(PPC)计算过程中，规划和控制阶段比视觉感知阶段更容易发生暂态故障。此外，为了提高微型飞行器系统的可靠性，提出了两种基于高斯统计模型和自编码器神经网络的低开销异常暂态故障检测与恢复方案。我们在Intel i9 CPU和Nvidia TX2平台上的ARM Cortex-A57上使用各种仿真逼真的环境验证了我们的异常故障保护方案。结果表明，在最佳情况下，基于自编码器的方案可以100%恢复故障情况，且计算开销小于0.0062%，从而提高系统的可靠性。
主要框架及实验结果
声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。
分享最新的CVPR、ECCV、ICCV、IROS等人工智能论文，关注深度学习、自动驾驶领域。
