Autonome Fehlererkennung bei Robotern mithilfe eines künstlichen Immunsystems

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.<br />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.<br />

This thesis investigates whether errors can be detected in a robot when active, using an artificial immune system. The use of robots on the moon, in radioactively contaminated areas, or even on the field of the RoboCup often doesn't allow manual maintenance of the system by a human. The independently operating system must detect faults autonomously in many situations to react whilst the robot is active. The error handling of the most probable errors by exceptions is often not sufficient. Due to this approaches of the discipline of machine learning are used to allow the robot to detect anomalies in an autonomous way.<br />The artificial immune system represents one of these approaches, which allows to distinguish error-free and dangerous state patterns. The biological immune system serves as a strong source of inspiration for the algorithms and their components.<br />The intention of this thesis is to develop a robotic system using an artificial immune system, which identifies errors of defined classes during the robots activity and clearly distinguishes them from error-free states. The response time of the immune system and the number of mispriced states are the chosen criteria of evaluation. Throughout this work it is shown that an artificial immune system integrated into a soccer-playing robot NAO, is able to diagnose the failure of visual and motor skills.<br />The implemented immune system is integrated in the infrastructure of the ``Austrian Kangaroos'' for the purpose of evaluation. Some evaluation experiments are performed on the simulator in order to limit the wear on the hardware. Finally, the infrastructure is tested on the robot itself in the course of a soccergame. The robot is capable of detecting 99,5% of all errors within a few seconds. In addition, the immune system estimates more than 99% of the error-free states correctly. During the Robocup 2012 was the implemented system already successfully presented.