論文の概要: Formal Modelling and Analysis of a Self-Adaptive Robotic System
- arxiv url: http://arxiv.org/abs/2308.14663v2
- Date: Mon, 15 Jan 2024 15:44:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-18 01:45:38.918507
- Title: Formal Modelling and Analysis of a Self-Adaptive Robotic System
- Title（参考訳）: 自己適応型ロボットシステムの形式的モデリングと解析
- Authors: Juliane P\"a{\ss}ler, Maurice H. ter Beek, Ferruccio Damiani, S.
Lizeth Tapia Tarifa and Einar Broch Johnsen
- Abstract要約: 自己適応システムはドメインの関心事を扱う管理サブシステムと適応ロジックを実装する管理サブシステムを持つ2層システムとしてモデル化されることが多い。
より具体的には、パイプライン検査に使用される自律型水中車両(AUV)について考察する。
AUVの機能は機能モデルでモデル化され、AUVの可変性をキャプチャする。
これにより、AUVのマネージドサブシステムを、AUVの有効な機能構成に対応するシステム群としてモデル化することができる。
- 参考スコア（独自算出の注目度）: 3.3798748370966427
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Self-adaptation is a crucial feature of autonomous systems that must cope
with uncertainties in, e.g., their environment and their internal state.
Self-adaptive systems are often modelled as two-layered systems with a managed
subsystem handling the domain concerns and a managing subsystem implementing
the adaptation logic. We consider a case study of a self-adaptive robotic
system; more concretely, an autonomous underwater vehicle (AUV) used for
pipeline inspection. In this paper, we model and analyse it with the
feature-aware probabilistic model checker ProFeat. The functionalities of the
AUV are modelled in a feature model, capturing the AUV's variability. This
allows us to model the managed subsystem of the AUV as a family of systems,
where each family member corresponds to a valid feature configuration of the
AUV. The managing subsystem of the AUV is modelled as a control layer capable
of dynamically switching between such valid feature configurations, depending
both on environmental and internal conditions. We use this model to analyse
probabilistic reward and safety properties for the AUV.
- Abstract（参考訳）: 自己適応は、環境や内部状態など不確実性に対処しなければならない自律システムの重要な特徴である。
自己適応システムはドメインの関心事を扱う管理サブシステムと適応ロジックを実装する管理サブシステムを持つ2層システムとしてモデル化されることが多い。
より具体的には、パイプライン検査に使用される自律型水中車両(AUV)について考察する。
本稿では,特徴認識型確率モデルチェッカーProFeatでモデル化し,解析する。
AUVの機能は機能モデルでモデル化され、AUVの可変性をキャプチャする。
これにより、AUVのマネージドサブシステムを、AUVの有効な機能構成に対応するシステム群としてモデル化することができる。
AUVの管理サブシステムは、環境条件と内部条件の両方に応じて、これらの有効な特徴構成を動的に切り替えることができる制御層としてモデル化される。
我々はこのモデルを用いて、AUVの確率的報酬と安全特性を分析する。
関連論文リスト
- Self-Healing Machine Learning: A Framework for Autonomous Adaptation in Real-World Environments [50.310636905746975]
実世界の機械学習システムは、基礎となるデータ生成プロセスの分散シフトによって、モデルの性能劣化に遭遇することが多い。
概念のドリフト適応のような既存のシフトへのアプローチは、その理性に依存しない性質によって制限される。
我々はこれらの制限を克服するために自己修復機械学習(SHML)を提案する。
論文 参考訳（メタデータ） (2024-10-31T20:05:51Z) - A self-adaptive system of systems architecture to enable its ad-hoc scalability: Unmanned Vehicle Fleet -- Mission Control Center Case study [0.0]
システム・オブ・システム(SoS)はコンスティチュート・システム(CS)から構成され、単一のCSを超えるユニークな能力を提供する。
本研究は、ミッション変更、レンジ拡張、UV故障などの不確実性に対処するため、実用的なSoSの例として無人車両艦隊(UVF)に焦点を当てる。
提案手法は、UVFアーキテクチャを動的に調整し、Mission Control Centerが自動的にUVFサイズをスケールできるようにする自己適応システムを含む。
論文 参考訳（メタデータ） (2024-08-01T12:51:26Z) - Exploring Latent Pathways: Enhancing the Interpretability of Autonomous Driving with a Variational Autoencoder [79.70947339175572]
バイオインスパイアされたニューラルサーキットポリシーモデルが革新的な制御モジュールとして登場した。
我々は、変分オートエンコーダとニューラルネットワークポリシーコントローラを統合することで、飛躍的に前進する。
本研究は,変分オートエンコーダへのアーキテクチャシフトに加えて,自動潜時摂動ツールを導入する。
論文 参考訳（メタデータ） (2024-04-02T09:05:47Z) - Automatic Generation of Scenarios for System-level Simulation-based
Verification of Autonomous Driving Systems [0.0]
本稿では,AIコンポーネントを用いた自律システムのシステムレベルのシミュレーションに基づくV&Vフレームワークについて述べる。
このフレームワークは、システムの振る舞いを象徴的に記述する抽象モデルであるシステムのシミュレーションモデルに基づいている。
シナリオの自動生成をガイドするために、さまざまなカバレッジ基準を定義することができます。
論文 参考訳（メタデータ） (2023-11-16T11:03:13Z) - Sim-to-Real Transfer of Adaptive Control Parameters for AUV
Stabilization under Current Disturbance [1.099532646524593]
本稿では,最大エントロピー深層強化学習フレームワークを古典的なモデルベース制御アーキテクチャと組み合わせ,適応制御系を定式化する新しい手法を提案する。
本フレームワークでは,バイオインスパイアされた体験再生機構,拡張されたドメインランダム化手法,物理プラットフォーム上で実行される評価プロトコルなどを含むSim-to-Real転送戦略を導入する。
実験により,AUVの準最適モデルから有能なポリシを効果的に学習し,実車への移動時の制御性能を3倍に向上することを示した。
論文 参考訳（メタデータ） (2023-10-17T08:46:56Z) - DARTH: Holistic Test-time Adaptation for Multiple Object Tracking [87.72019733473562]
複数物体追跡(MOT)は、自律運転における知覚システムの基本的構成要素である。
運転システムの安全性の追求にもかかわらず、テスト時間条件における領域シフトに対するMOT適応問題に対する解決策は提案されていない。
我々はMOTの総合的なテスト時間適応フレームワークであるDARTHを紹介する。
論文 参考訳（メタデータ） (2023-10-03T10:10:42Z) - Model-Based Reinforcement Learning with Isolated Imaginations [61.67183143982074]
モデルに基づく強化学習手法であるIso-Dream++を提案する。
我々は、切り離された潜在的想像力に基づいて政策最適化を行う。
これにより、野生の混合力学源を孤立させることで、長い水平振動子制御タスクの恩恵を受けることができる。
論文 参考訳（メタデータ） (2023-03-27T02:55:56Z) - Domain-aware Control-oriented Neural Models for Autonomous Underwater
Vehicles [2.4779082385578337]
ドメイン認識のレベルが異なる制御指向パラメトリックモデルを提案する。
データ駆動型ブラックボックスとAUVダイナミクスのグレイボックス表現を構築するために、普遍微分方程式を用いる。
論文 参考訳（メタデータ） (2022-08-15T17:01:14Z) - Capturing Actionable Dynamics with Structured Latent Ordinary
Differential Equations [68.62843292346813]
本稿では,その潜在表現内でのシステム入力の変動をキャプチャする構造付き潜在ODEモデルを提案する。
静的変数仕様に基づいて,本モデルではシステムへの入力毎の変動要因を学習し,潜在空間におけるシステム入力の影響を分離する。
論文 参考訳（メタデータ） (2022-02-25T20:00:56Z) - DirectDebug: Automated Testing and Debugging of Feature Models [55.41644538483948]
変数モデル(例えば、特徴モデル)は、ソフトウェアアーティファクトの変数と共通性を表現する一般的な方法である。
複雑でしばしば大規模な機能モデルは欠陥になりうる、すなわち、ソフトウェアアーチファクトの期待される変動特性を表現しない。
論文 参考訳（メタデータ） (2021-02-11T11:22:20Z) - Learning to Optimize Autonomy in Competence-Aware Systems [32.3596917475882]
体験を通して学習し、オンラインで更新する自律の内省モデルを提案する。
我々は、さまざまなレベルの自律性と利用可能な人間のフィードバックにおいて、自身の習熟度を明示的にモデル化する能力認識システム(CAS)を定義する。
我々はCASの収束特性を解析し、ロボット配送と自律運転領域の実験結果を提供する。
論文 参考訳（メタデータ） (2020-03-17T14:31:45Z)
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。