Code-als-Monitor: Einschränkungsbewusstes visuelles Programmieren für reaktive und proaktive robotergestützte Fehlererkennung

Code-as-Monitor: Constraint-aware Visual Programming for Reactive and Proactive Robotic Failure Detection

December 5, 2024

Autoren: Enshen Zhou, Qi Su, Cheng Chi, Zhizheng Zhang, Zhongyuan Wang, Tiejun Huang, Lu Sheng, He Wang

cs.AI

Zusammenfassung

Die automatische Erkennung und Verhinderung von Open-Set-Fehlern sind entscheidend in geschlossenen Regelkreis-Robotersystemen. Aktuelle Studien haben oft Schwierigkeiten, unerwartete Fehler reaktiv nach ihrem Auftreten zu identifizieren und vorhersehbare Fehler proaktiv zu verhindern. Zu diesem Zweck schlagen wir Code-als-Monitor (CaM) vor, ein neuartiges Paradigma, das das Vision-Sprach-Modell (VLM) zur gleichzeitigen offenen reaktiven und proaktiven Fehlererkennung nutzt. Der Kern unserer Methode besteht darin, beide Aufgaben als einheitliches Set von räumlich-zeitlichen Constraint Satisfaction Problems zu formulieren und VLM-generierten Code zur Echtzeitüberwachung zu verwenden. Zur Verbesserung der Genauigkeit und Effizienz der Überwachung führen wir weiterhin Constraint-Elemente ein, die Constraint-bezogene Entitäten oder deren Teile in kompakte geometrische Elemente abstrahieren. Dieser Ansatz bietet eine größere Allgemeingültigkeit, vereinfacht das Tracking und erleichtert die Constraint-bewusste visuelle Programmierung, indem diese Elemente als visuelle Hinweise genutzt werden. Experimente zeigen, dass CaM eine um 28,7% höhere Erfolgsrate erzielt und die Ausführungszeit um 31,8% unter starken Störungen im Vergleich zu Baselines in drei Simulatoren und einer realen Umgebung reduziert. Darüber hinaus kann CaM mit Open-Loop-Regelungsrichtlinien integriert werden, um geschlossene Regelkreissysteme zu bilden, die Langzeitaufgaben in überfüllten Szenen mit dynamischen Umgebungen ermöglichen.

English

Automatic detection and prevention of open-set failures are crucial in closed-loop robotic systems. Recent studies often struggle to simultaneously identify unexpected failures reactively after they occur and prevent foreseeable ones proactively. To this end, we propose Code-as-Monitor (CaM), a novel paradigm leveraging the vision-language model (VLM) for both open-set reactive and proactive failure detection. The core of our method is to formulate both tasks as a unified set of spatio-temporal constraint satisfaction problems and use VLM-generated code to evaluate them for real-time monitoring. To enhance the accuracy and efficiency of monitoring, we further introduce constraint elements that abstract constraint-related entities or their parts into compact geometric elements. This approach offers greater generality, simplifies tracking, and facilitates constraint-aware visual programming by leveraging these elements as visual prompts. Experiments show that CaM achieves a 28.7% higher success rate and reduces execution time by 31.8% under severe disturbances compared to baselines across three simulators and a real-world setting. Moreover, CaM can be integrated with open-loop control policies to form closed-loop systems, enabling long-horizon tasks in cluttered scenes with dynamic environments.