Un preprint publicado en arXiv el 9 de octubre por investigadores vinculados a la Universidad Paris-Saclay, CEA, Inria y CNRS analiza los límites de detectar fallos de manipulación robótica basándose solo en la similitud de imágenes. Robot-WATCHDOG representa como un grafo los objetos de una escena y sus relaciones a lo largo del tiempo. El equipo prueba una puntuación que mide la desviación geométrica y relacional respecto a demostraciones expertas y otra que predice estados futuros de los objetos mediante una red de atención de grafos y un Transformer.

Los autores evaluaron ambos métodos en cuatro tareas compatibles de una prueba previa de fallos robóticos y en dos tareas nuevas: poner la mesa y clasificar residuos en una cinta transportadora móvil. Excluyeron interacciones con líquidos u objetos deformables, que no cumplen el supuesto de mantener una identidad estable del objeto. El artículo informa de que ambas puntuaciones basadas en grafos superaron a los detectores basados en imágenes, especialmente en fallos que implican interacciones entre objetos y la estructura de la tarea; la puntuación geométrica-relacional sin entrenamiento obtuvo los mejores resultados generales y el menor coste de inferencia. Las conclusiones se limitan a los datos y tareas seleccionados y no validan un sistema de seguridad para todos los robots o tipos de fallo. Es un preprint aún no revisado por pares.