开源SONAR：用随机傅里叶特征实现在线单类异常检测

开源开源把代码、数据集或硬件设计公开给所有人免费使用。机器人公司常用开源来换取开发者和科研生态的支持。◆ 小白科普 · 现身项目SONAR提出一种面向控制回路的在线单类异常检测方法。机器人关节关节机器人身上可以转动或弯曲的连接部位。每多一个关节，就多一种动作的可能，也多一份重量、成本和故障点。◆ 小白科普 · 现身的健康残差通常聚集在零附近，负载变化或磨损会使残差偏离该区域。经典单类SVM需在内存中保留全部健康数据，且核映射到无限维空间，每次更新都依赖完整Gram矩阵，难以用于实时控制。SONAR用随机傅里叶特征近似RBF核，使每次梯度步只依赖当前样本，并在目标函数中加入强凸正则项，将收敛保证从1/sqrt(T)提升到1/T。检测器对每个读出的残差给出带符号距离：负值表示位于边界内，正值表示越界，数值越大偏离越远。示例中健康点得分为-0.0013，异常点为+0.0088。作者在SyntheticArm上注入payload故障，故障发生后关节关节机器人身上可以转动或弯曲的连接部位。每多一个关节，就多一种动作的可能，也多一份重量、成本和故障点。◆ 小白科普 · 现身残差出现明显偏移，检测器在首个故障后样本即将其判为异常。项目代码已开源开源把代码、数据集或硬件设计公开给所有人免费使用。机器人公司常用开源来换取开发者和科研生态的支持。◆ 小白科普 · 现身，默认参数与该文给出的步长调度一致。