高度な製造、医療、宇宙探査、サービスロボティクスなどの複雑かつ重要な環境におけるロボットシステムの展開増加に伴い、運用信頼性、安全性、予知保全を確保するための堅牢な戦略が必要とされている。人工知能の最近の進歩に支えられたリアルタイムの予測診断および健康管理（PHM）は、システムの健康状態を監視し、故障を検出し、発生前に障害を予測する強力な手法として浮上している。従来の機械学習応用を主にまとめたレビュー研究とは異なり、本論文の新規性は、ロボットシステム向けに特化した最新のAI駆動PHM技術の包括的な分類体系と重要な統合的分析を提示する点にある。従来の機械学習モデルから変圧器、ビジョントランスフォーマー、自己教師あり学習フレームワークを含む最近の深層学習の進展に至るまで、幅広いアプローチを評価している。さらに、本研究の新たな貢献として、実際のロボット応用におけるリアルタイム実現性、計算複雑性、スケーラビリティ、および性能のトレードオフを厳密にベンチマークした点が挙げられる。加えて、本レビューは広く使用されているベンチマークデータセットを紹介し、AI対応PHMシステムの実効性を示す代表的な産業事例を強調する。本研究ではさらに、eXplainable AIを通じたモデル解釈性の課題、フェデレーテッドラーニングに支えられたデータプライバシー、クラウドロボティクスフレームワークにおけるクラウドとエッジコンピューティングの統合などの重要な研究ギャップについて議論する。包括的なギャップマトリックスと定量的な比較評価を通じて、本レビューは次世代ロボット応用に向けたレジリエントで解釈可能かつ知能的なPHMシステムの発展を支援する知見を提供する。
Tanveerら（Wed,）がこの問題を研究した。