في عالم الذكاء الاصطناعي، تبرز الحاجة المستمرة للتطورات الفعالة في مجال الكشف عن الشذوذ (Anomaly Detection)، وهو مجال حيوي له تطبيقات واسعة في سيناريوهات عديدة، كالرصد العام للسلامة وسلامة المرور. ومع ذلك، فإن استكشاف الكشف عن الشذوذ في مقاطع فيديو تلاعب الأذرع الروبوتية كان محدوداً بسبب قلة الموارد المتاحة.

للمعالجة هذا التحدي، تم تقديم 'رابو فاد' (RoboVAD)، معيار جديد يتسم بشموليته وقابلية تطبيقه في تقييم الشذوذ على مستوى عالٍ. يتميز هذا المعيار بتقديم سيناريوهات تقييم عابرة للمجالات، حيث تبقى بعض الإجراءات (المهام التي ينفذها الذراع الروبوتي) وأنواع الشذوذ (الأخطاء التي تحدث خلال تنفيذ المهام) غير مرئيّة خلال مرحلة التدريب.

تم تصميم 'رابو فاد' لتقييم طرق الكشف عن الشذوذ في السيناريوهات الواقعية، حيث يمكن للأذرع الروبوتية تنفيذ مهام غير متوقعة، وبالتالي التعرض لأنواع جديدة من الشذوذ.

تم تدريب وتقييم عدة طرق حديثة في مجال الكشف عن الشذوذ، بما في ذلك طريقة جديدة تم تكييفها خصيصًا لتلاعب الأذرع الروبوتية. ورغم أن الطريقة المقترحة تتفوق على العديد من المنافسين المعاصرين، إلا أن جميع الطرق لا تزال تحت عتبة متوسط مستوى منطقة تحت منحنى موجة الميكرو (micro-averaged AUC) البالغة 70% في الإعداد الأكثر تحدياً، مما يُؤكد صعوبة المعيار المقترح.

المثير في الأمر هو أن 'رابو فاد' متاح للجمهور، حيث تم إصدار مجموعتنا البيانية ورمز البرمجة في الرابط التالي: https://zenodo.org/records/22754659. وهذا سيساهم في دفع حدود الأبحاث في هذا المجال وتعزيز قدرات الروبوتات.

في النهاية، كيف ترون مستقبل التكنولوجيا في الكشف عن الشذوذ في الأنظمة الروبوتية؟ شاركونا آراءكم في التعليقات!