Universidad de Burgos RIUBU Principal Default Universidad de Burgos RIUBU Principal Default
  • español
  • English
  • français
  • Deutsch
  • português (Brasil)
  • italiano
Universidad de Burgos RIUBU Principal Default
  • Ayuda
  • Contacto
  • Sugerencias
  • Acceso abierto
    • Archivar en RIUBU
    • Acuerdos editoriales para la publicación en acceso abierto
    • Controla tus derechos, facilita el acceso abierto
    • Sobre el acceso abierto y la UBU
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Listar

    Todo RIUBUComunidadesFechaAutor / DirectorTítuloMateria / AsignaturaEsta colecciónFechaAutor / DirectorTítuloMateria / Asignatura

    Mi cuenta

    AccederRegistro

    Estadísticas

    Ver Estadísticas de uso

    Compartir

    Ver ítem 
    •   RIUBU Principal
    • E-Prints y Datos de investigación
    • Grupos de investigación
    • Inteligencia Computacional Aplicada (GICAP)
    • Artículos GICAP
    • Ver ítem
    •   RIUBU Principal
    • E-Prints y Datos de investigación
    • Grupos de investigación
    • Inteligencia Computacional Aplicada (GICAP)
    • Artículos GICAP
    • Ver ítem

    Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10259/6847

    Título
    A visual tool for monitoring and detecting anomalies in robot performance
    Autor
    Basurto Hornillos, NuñoAutoridad UBU Orcid
    Cambra Baseca, CarlosAutoridad UBU Orcid
    Herrero Cosío, ÁlvaroAutoridad UBU Orcid
    Publicado en
    Pattern Analysis and Applications. 2022, V. 25, n. 2, p. 271-283
    Editorial
    Springer
    Fecha de publicación
    2022-05
    ISSN
    1433-7541
    DOI
    10.1007/s10044-021-01053-0
    Resumen
    In robotic systems, both software and hardware components are equally important. However, scant attention has been devoted until now in order to detect anomalies/failures affecting the software component of robots while many proposals exist aimed at detecting physical anomalies. To bridge this gap, the present paper focuses on the study of anomalies affecting the software performance of a robot by using a novel visualization tool. Unsupervised visualization methods from the machine learning field are applied in order to upgrade the recently proposed Hybrid Unsupervised Exploratory Plots (HUEPs). Furthermore, Curvilinear Component Analysis and t-distributed stochastic neighbor embedding are added to the original HUEPs formulation and comprehensively compared. Furthermore, all the different combinations of HUEPs are validated in a real-life scenario. Thanks to this intelligent visualization of robot status, interesting conclusions can be obtained to improve anomaly detection in robot performance.
    Palabras clave
    Smart robotics
    Component-based robot software
    Performance monitoring
    Anomaly detection
    Machine learning
    Unsupervised visualization
    Clustering
    Exploratory projection pursuit
    Materia
    Informática
    Computer science
    URI
    http://hdl.handle.net/10259/6847
    Versión del editor
    https://doi.org/10.1007/s10044-021-01053-0
    Aparece en las colecciones
    • Artículos GICAP
    Atribución 4.0 Internacional
    Documento(s) sujeto(s) a una licencia Creative Commons Atribución 4.0 Internacional
    Ficheros en este ítem
    Nombre:
    Basurto-paa_2022.pdf
    Tamaño:
    3.117Mb
    Formato:
    Adobe PDF
    Thumbnail
    Visualizar/Abrir

    Métricas

    Citas

    Academic Search
    Ver estadísticas de uso

    Exportar

    RISMendeleyRefworksZotero
    • edm
    • marc
    • xoai
    • qdc
    • ore
    • ese
    • dim
    • uketd_dc
    • oai_dc
    • etdms
    • rdf
    • mods
    • mets
    • didl
    • premis
    Mostrar el registro completo del ítem