로봇 응용 분야에서 이상 탐지용 voraus-AD 데이터셋

산업용 로봇의 운영 중에는 사람의 안전과 생산 품질에 위협이 될 수 있는 비정상적인 사건이 발생할 수 있다. 이러한 상황을 탐지하기 위해 데이터를 수집할 때, 예측할 수 없는 사건들이 시간이 지남에 따라 발생할 수 있기 때문에 모든 잠재적인 오류 데이터가 포함된다는 보장이 없다. 따라서 비정상 탐지(Anomaly Detection, AD)는 정상 데이터만을 사용하여 비정상적인 사건을 탐지할 수 있도록 하는 실용적인 해결책을 제공한다. 본 연구에서는 기계 데이터를 기반으로 로봇 응용 분야를 위한 비정상 탐지 방법의 학습 및 벤치마킹이 가능한 데이터셋을 제안하며, 이 데이터셋은 연구 공동체에 공개될 예정이다. 데이터셋은 로봇 작업의 대표적인 예인 피킹 앤 플레이스(pick-and-place) 작업을 포함하고 있으며, 이는 엔드 에페크터의 이동, 동작, 환경 내 물체와의 상호작용을 포함한다. 데이터셋에 포함된 일부 비정상 현상은 작업에 특화된 것이 아니라 일반적인 특성을 지니고 있어, 본 데이터셋을 기반으로 한 평가 결과는 다른 로봇 응용 분야에도 전이 가능하다. 또한, 비정상 탐지의 새로운 베이스라인 방법으로 다변량 시계열 흐름(MVT-Flow, multivariate time-series flow)을 제안한다. MVT-Flow는 정규화 흐름(normalizing flows)을 기반으로 한 딥러닝 기반 밀도 추정 기법에 기반하며, 데이터 도메인의 구조를 고려하여 아키텍처를 특화함으로써 효과적인 비정상 탐지가 가능하다. 평가 결과, MVT-Flow는 이전 연구의 베이스라인 대비 ROC 곡선 아래 면적(AUC) 기준으로 6.2%의 큰 성능 향상을 달성하였다.