論文の概要: Monitoring ROS2: from Requirements to Autonomous Robots

• arxiv url: http://arxiv.org/abs/2209.14030v1
• Date: Wed, 28 Sep 2022 12:19:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-29 17:57:22.524113
• Title: Monitoring ROS2: from Requirements to Autonomous Robots
• Title（参考訳）: ROS2: 必要なものから自律ロボットまで
• Authors: Ivan Perez (KBR at NASA Ames Research Center), Anastasia Mavridou (KBR at NASA Ames Research Center), Tom Pressburger (NASA Ames Research Center), Alexander Will (Virginia Commonwealth University), Patrick J. Martin (Virginia Commonwealth University)
• Abstract要約: 本稿では,構造化自然言語で記述された要件から自律ロボットのランタイムモニタを生成するための形式的アプローチの概要について述べる。 当社のアプローチでは,Fletal Requirement Elicitation Tool (FRET) とランタイム検証フレームワークであるCopilotを,Ogma統合ツールを通じて統合しています。
• 参考スコア（独自算出の注目度）: 58.720142291102135
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Runtime verification (RV) has the potential to enable the safe operation of safety-critical systems that are too complex to formally verify, such as Robot Operating System 2 (ROS2) applications. Writing correct monitors can itself be complex, and errors in the monitoring subsystem threaten the mission as a whole. This paper provides an overview of a formal approach to generating runtime monitors for autonomous robots from requirements written in a structured natural language. Our approach integrates the Formal Requirement Elicitation Tool (FRET) with Copilot, a runtime verification framework, through the Ogma integration tool. FRET is used to specify requirements with unambiguous semantics, which are then automatically translated into temporal logic formulae. Ogma generates monitor specifications from the FRET output, which are compiled into hard-real time C99. To facilitate integration of the monitors in ROS2, we have extended Ogma to generate ROS2 packages defining monitoring nodes, which run the monitors when new data becomes available, and publish the results of any violations. The goal of our approach is to treat the generated ROS2 packages as black boxes and integrate them into larger ROS2 systems with minimal effort.
• Abstract（参考訳）: 実行時検証(RV)は、ロボットオペレーティングシステム2(ROS2)アプリケーションなど、公式に検証するには複雑すぎる安全クリティカルシステムの安全な運用を可能にする可能性がある。 正しいモニターを書くことはそれ自体が複雑であり、監視サブシステムのエラーはミッション全体を脅かす。 本稿では,構造化自然言語で記述された要件から自律ロボットのランタイムモニタを生成するための形式的アプローチの概要を示す。 当社のアプローチでは,FRET(Formal Requirement Elicitation Tool)とランタイム検証フレームワークのCopilotを,Ogma統合ツールを通じて統合しています。 FRETは不明瞭なセマンティクスで要求を指定するために使用され、その後自動的に時間論理式に変換される。 ogmaはfret出力からモニタ仕様を生成し、ハードリアルタイムc99にコンパイルする。 ROS2におけるモニタの統合を容易にするため、モニタリングノードを定義するROS2パッケージを生成するためにOgmaを拡張しました。 このアプローチの目的は、生成されたROS2パッケージをブラックボックスとして扱い、最小限の労力でより大きなROS2システムに統合することである。

関連論文リスト

• In-Context Experience Replay Facilitates Safety Red-Teaming of Text-to-Image Diffusion Models [97.82118821263825]
  テキスト・ツー・イメージ(T2I)モデルは目覚ましい進歩を見せているが、有害なコンテンツを生成する可能性はまだMLコミュニティにとって重要な関心事である。 ICERは,解釈可能かつ意味論的に意味のある重要なプロンプトを生成する新しい赤チームフレームワークである。 我々の研究は、より堅牢な安全メカニズムをT2Iシステムで開発するための重要な洞察を提供する。
  論文  参考訳（メタデータ） (2024-11-25T04:17:24Z)
• IRSKG: Unified Intrusion Response System Knowledge Graph Ontology for Cyber Defense [2.17870369215002]
  侵入応答システム(IRS)は、検出後の脅威を軽減するために重要である。 IRSはいくつかの戦術、技術、手順(TTP)を使用して攻撃を軽減し、インフラを通常の運用に復元する。 我々は,新たなエンタープライズシステムの導入を合理化するIRS知識グラフオントロジー(IRSKG)を提案する。
  論文  参考訳（メタデータ） (2024-11-23T23:31:55Z)
• ROSMonitoring 2.0: Extending ROS Runtime Verification to Services and Ordered Topics [1.4680035572775536]
  ROSMonitoring 2.0は、メッセージの公開と受信の順序を考慮して、トピックとサービスの監視を容易にするように設計されている。 このフレームワークは、ROS1と部分的にROS2環境のこれらの新機能をサポートするように拡張されている。 本稿では,これらの進歩に対応するための改良について論じるとともに,消火無人航空機の特定の部品の監視を行うケーススタディの結果について述べる。
  論文  参考訳（メタデータ） (2024-11-21T18:07:31Z)
• Runtime Verification via Rational Monitor with Imperfect Information [2.7323347531070974]
  従来の検証では完全な情報を前提としており、監視コンポーネントがすべてを正確に認識している。 この仮定は、特に実環境で動作する自律システムでは、しばしば失敗する。 我々は、リニア時間論理特性の標準RVを拡張し、モニターが不完全な情報を持ち、合理的に振る舞うシナリオに対応する。
  論文  参考訳（メタデータ） (2024-08-21T13:56:06Z)
• ROS-LLM: A ROS framework for embodied AI with task feedback and structured reasoning [74.58666091522198]
  非専門家による直感的なロボットプログラミングのためのフレームワークを提案する。 ロボットオペレーティングシステム(ROS)からの自然言語のプロンプトと文脈情報を活用する 我々のシステムは,大規模言語モデル (LLM) を統合し,非専門家がチャットインタフェースを通じてシステムにタスク要求を記述できるようにする。
  論文  参考訳（メタデータ） (2024-06-28T08:28:38Z)
• Monitoring Unmanned Aircraft: Specification, Integration, and Lessons-learned [3.2248482136498433]
  本稿では,Volocopterの設計した完全電動航空機へのランタイム監視の統合について報告する。 モニターの正確な操作は、航空機の安全のために重要である。 ストリームベースのモニタリングフレームワークであるRTLolaを使って、さまざまな要求に対してモニタを生成しました。
  論文  参考訳（メタデータ） (2024-04-18T09:42:24Z)
• Large Language Models as General Pattern Machines [64.75501424160748]
  我々は,事前訓練された大規模言語モデル (LLM) が,複雑なトークンシーケンスを自動回帰的に完了することを示す。 驚いたことに、語彙からランダムにサンプリングされたトークンを用いてシーケンスが表現された場合でも、パターン完了の習熟度を部分的に保持することができる。 本研究では,ロボット工学における問題に対して,これらのゼロショット機能がどのように適用されるかを検討する。
  論文  参考訳（メタデータ） (2023-07-10T17:32:13Z)
• SABER: Data-Driven Motion Planner for Autonomously Navigating Heterogeneous Robots [112.2491765424719]
  我々は、データ駆動型アプローチを用いて、異種ロボットチームをグローバルな目標に向けてナビゲートする、エンドツーエンドのオンラインモーションプランニングフレームワークを提案する。 モデル予測制御(SMPC)を用いて,ロボット力学を満たす制御入力を計算し,障害物回避時の不確実性を考慮した。 リカレントニューラルネットワークは、SMPC有限時間地平線解における将来の状態の不確かさを素早く推定するために用いられる。 ディープQ学習エージェントがハイレベルパスプランナーとして機能し、SMPCにロボットを望ましいグローバルな目標に向けて移動させる目標位置を提供する。
  論文  参考訳（メタデータ） (2021-08-03T02:56:21Z)
• Monitoring and Diagnosability of Perception Systems [21.25149064251918]
  本稿では,認識システムにおける実行時モニタリングと故障検出と識別のための数学的モデルを提案する。 本稿では,LGSVL自動運転シミュレータとApollo Auto自動運転ソフトウェアスタックを用いた実写シミュレーションにおいて,PerSySと呼ばれるモニタリングシステムを実演する。
  論文  参考訳（メタデータ） (2020-11-11T23:03:14Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。