在这个项目中,我们正在利用机器学习技术开发分布式传感器数据建模和传感器网络系统和自主移动机器人的异常检测算法。分布式系统中的数据建模对于确定系统的“正常”运行模式至关重要。在新型传感器和移动机器人系统的实际应用中,能够为典型操作建模预期的传感器特征大大简化了人类设计师的工作;通过使系统能够自主地描述预期的传感器数据流,系统可以了解要监视的环境的重要特征。这进而允许系统执行自主异常检测,以识别检测到的意外传感器信号。这种类型的分布式传感器建模和异常检测可用于广泛的传感器网络和移动机器人应用,如检测入侵者的存在、检测传感器故障、检测异常的人体运动模式、检测意外的化学特征,等等。这种方法的优点是,人工设计人员不必预先描述异常签名。相反,传感器节点和移动机器人系统可以自主学习这种特性,以便快速应用到新领域。我们的工作集中在这些问题的研究方面。正在开发的技术采用分布式统计机器学习方法进行传感器数据建模和异常检测。 The algorithms are being designed, developed, evaluated, and validated experimentally in laboratory application scenarios, such as intruder detection, or environmental coverage and exploration.