WaveVerif 使用声音以 80% 的准确率验证机器人工作流

研究人员开发了一个名为 WaveVerif 的新颖框架，该框架利用声学侧信道分析 (ASCA) 来验证机器人工作流。该系统分析机器人在移动过程中发出的声音，以确定其操作是否与预期命令一致。使用各种机器学习分类器，包括 SVM、DNN、RNN 和 CNN，该系统在验证单个机器人运动和拾放操作等复杂工作流方面达到了 80% 以上的准确率。这种低成本、被动的验证方法不需要对机器人进行任何硬件修改，因此适用于敏感环境。 AI

影响 这项研究可以实现机器人系统的低成本、被动验证，从而提高敏感环境中的安全性和可靠性。

排序理由 该集群包含一篇详细介绍新研究框架和方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• CNN
• convolutional neural network
• deep neural network
• recurrent neural network
• support vector machine
• WaveVerif
• Zeynep Erdoğan İyigün

• 论文
• 产品
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →