論文の概要: Correct-by-Construction Design of Contextual Robotic Missions Using
Contracts
- arxiv url: http://arxiv.org/abs/2306.08144v1
- Date: Tue, 13 Jun 2023 21:29:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 19:47:27.992135
- Title: Correct-by-Construction Design of Contextual Robotic Missions Using
Contracts
- Title(参考訳): 契約によるコンテキストロボットミッションの正しい構成設計
- Authors: Piergiuseppe Mallozzi, Nir Piterman, Pierluigi Nuzzo, Gerardo
Schneider, Patrizio Pelliccione
- Abstract要約: 本稿では,コンテキストロボットミッションの仕様と実装のための新しい構成フレームワークを提案する。
本研究では,一定の条件下での精度を確保しつつ,サブミッションコントローラ間の動的切替の問題に対処する。
- 参考スコア(独自算出の注目度): 6.890369837091434
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Effectively specifying and implementing robotic missions pose a set of
challenges to software engineering for robotic systems, since they require
formalizing and executing a robot's high-level tasks while considering various
application scenarios and conditions, also known as contexts, in real-world
operational environments.
Writing correct mission specifications that explicitly account for multiple
contexts can be a tedious and error-prone task. Moreover, as the number of
context, hence the specification, becomes more complex, generating a
correct-by-construction implementation, e.g., by using synthesis methods, can
become intractable. A viable approach to address these issues is to decompose
the mission specification into smaller sub-missions, with each sub-mission
corresponding to a specific context. However, such a compositional approach
would still pose challenges in ensuring the overall mission correctness.
In this paper, we propose a new, compositional framework for the
specification and implementation of contextual robotic missions using
assume-guarantee contracts. The mission specification is captured in a
hierarchical and modular way and each sub-mission is synthesized as a robot
controller. We address the problem of dynamically switching between sub-mission
controllers while ensuring correctness under certain conditions.
- Abstract(参考訳): ロボットミッションを効果的に指定し、実装することは、実際の運用環境で様々なアプリケーションシナリオや状況を考慮して、ロボットのハイレベルなタスクを形式化し実行する必要があるため、ロボットシステムのソフトウェアエンジニアリングにいくつかの課題をもたらす。
複数のコンテキストを明示的に考慮した正しいミッション仕様を書くことは、退屈でエラーを起こしやすいタスクです。
さらに、コンテキストの数、すなわち仕様がより複雑になるにつれて、例えば合成法を用いて、正しい構成の実装を生成することができる。
これらの問題に対処するための実行可能なアプローチは、ミッション仕様をより小さなサブミッションに分解することであり、それぞれのサブミッションは特定のコンテキストに対応する。
しかし、このような構成アプローチは、全体的なミッションの正確性を保証する上でも課題となる。
本稿では,前提-保証契約を用いたコンテキストロボットミッションの仕様と実装のための新しい構成フレームワークを提案する。
ミッション仕様は階層的でモジュラーな方法でキャプチャされ、各サブミッションはロボットコントローラとして合成される。
サブミッションコントローラ間の動的切り替えの問題に対処し,一定の条件下での正確性を確保しつつ対処する。
関連論文リスト
- Enhancing Robot Navigation Policies with Task-Specific Uncertainty Management [1.614803913005309]
本稿では,タスク固有の不確実性要件を直接ナビゲーションポリシーに統合するためのフレームワークを提案する。
TSMの条件付けポリシは,タスク固有の不確実性要求を効果的に表現する方法を提供する。
本稿では,GUIDEを強化学習フレームワークに統合することにより,明示的な報酬工学を必要とせずにナビゲーションポリシーを学習できることを示す。
論文 参考訳(メタデータ) (2024-10-19T18:46:17Z) - COHERENT: Collaboration of Heterogeneous Multi-Robot System with Large Language Models [49.24666980374751]
COHERENTは、異種マルチロボットシステムの協調のための新しいLCMベースのタスク計画フレームワークである。
提案-実行-フィードバック-調整機構は,個々のロボットに対して動作を分解・割り当てするように設計されている。
実験の結果,我々の研究は,成功率と実行効率の面で,従来の手法をはるかに上回っていることが明らかとなった。
論文 参考訳(メタデータ) (2024-09-23T15:53:41Z) - RoboCodeX: Multimodal Code Generation for Robotic Behavior Synthesis [102.1876259853457]
汎用ロボット行動合成のための木構造多モードコード生成フレームワークRoboCodeXを提案する。
RoboCodeXは、高レベルの人間の命令を複数のオブジェクト中心の操作ユニットに分解する。
概念的および知覚的理解を制御コマンドにマッピングする能力をさらに強化するため、事前学習のための特別なマルチモーダル推論データセットを収集し、教師付き微調整のための反復的自己更新手法を導入する。
論文 参考訳(メタデータ) (2024-02-25T15:31:43Z) - Automated Process Planning Based on a Semantic Capability Model and SMT [50.76251195257306]
製造システムと自律ロボットの研究において、機械で解釈可能なシステム機能の仕様に「能力」という用語が用いられる。
セマンティック能力モデルから始めて、AI計画問題を自動的に生成するアプローチを提案する。
論文 参考訳(メタデータ) (2023-12-14T10:37:34Z) - Optimizing Modular Robot Composition: A Lexicographic Genetic Algorithm
Approach [9.471665570104802]
形態学、すなわちロボットの形態と構造は、主要なパフォーマンス指標の取得コスト、サイクル時間、エネルギー効率に大きな影響を及ぼす。
以前のアプローチでは、設計空間の適切な探索や、複雑なタスクに適応する可能性に欠けていた。
本稿では,この問題を克服するために,遺伝的アルゴリズムと解候補の辞書的評価を組み合わせることを提案する。
論文 参考訳(メタデータ) (2023-09-15T13:50:21Z) - Efficient Skill Acquisition for Complex Manipulation Tasks in Obstructed
Environments [18.348489257164356]
本稿では,オブジェクト指向生成モデル(OCGM)を多目的ゴール識別に活用する,効率的なスキル獲得システムを提案する。
OCGMは、新しいシーンでワンショットターゲットオブジェクトの識別と再識別を可能にし、MPは障害物を避けながらロボットを対象オブジェクトに誘導することができる。
論文 参考訳(メタデータ) (2023-03-06T18:49:59Z) - ProgPrompt: Generating Situated Robot Task Plans using Large Language
Models [68.57918965060787]
大規模言語モデル(LLM)は、タスク計画中の潜在的な次のアクションを評価するために使用することができる。
本稿では, プログラム型LCMプロンプト構造を用いて, 配置環境間での計画生成機能を実現する。
論文 参考訳(メタデータ) (2022-09-22T20:29:49Z) - Towards Coordinated Robot Motions: End-to-End Learning of Motion
Policies on Transform Trees [63.31965375413414]
人間による実証から構造化政策を学習し、マルチタスクの課題解決を提案します。
我々の構造化ポリシーは、異なる空間におけるサブタスクポリシーを組み合わせるためのフレームワークであるRMPflowにインスパイアされている。
マルチタスク問題に適したエンドツーエンドの学習目標関数を導き出します。
論文 参考訳(メタデータ) (2020-12-24T22:46:22Z) - CausalWorld: A Robotic Manipulation Benchmark for Causal Structure and
Transfer Learning [138.40338621974954]
CausalWorldは、ロボット操作環境における因果構造と伝達学習のベンチマークである。
タスクは、ブロックのセットから3D形状を構築することで構成される。
論文 参考訳(メタデータ) (2020-10-08T23:01:13Z)
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。