論文の概要: ROBUST: 221 Bugs in the Robot Operating System
- arxiv url: http://arxiv.org/abs/2404.03629v1
- Date: Thu, 4 Apr 2024 17:49:38 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-05 13:52:38.973217
- Title: ROBUST: 221 Bugs in the Robot Operating System
- Title（参考訳）: ROBUST:ロボットオペレーティングシステムにおける221個のバグ
- Authors: Christopher S. Timperley, Gijs van der Hoorn, André Santos, Harshavardhan Deshpande, Andrzej Wąsowski,
- Abstract要約: 私たちは、人気があり多様な7つのソフトウェアシステムにまたがって、221のバグのデータセットを体系的にキュレートしました。
私たちは、Dockerイメージという形で、221の欠陥のあるソフトウェアバージョンを、歴史的に正確なレクリエーションを作成しています。
基礎理論のアプローチを使用して、対応する障害、障害、修正を調べ、分類します。
- 参考スコア（独自算出の注目度）: 0.256557617522405
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: As robotic systems such as autonomous cars and delivery drones assume greater roles and responsibilities within society, the likelihood and impact of catastrophic software failure within those systems is increased.To aid researchers in the development of new methods to measure and assure the safety and quality of robotics software, we systematically curated a dataset of 221 bugs across 7 popular and diverse software systems implemented via the Robot Operating System (ROS). We produce historically accurate recreations of each of the 221 defective software versions in the form of Docker images, and use a grounded theory approach to examine and categorize their corresponding faults, failures, and fixes. Finally, we reflect on the implications of our findings and outline future research directions for the community.
- Abstract（参考訳）: 自律走行車や配送ドローンなどのロボットシステムが社会の中でより大きな役割と責任を担っているため、ロボット工学ソフトウェアの安全性と品質を計測・保証する新たな手法の開発を支援するために、ロボットオペレーティング・システム(ROS)を介して実装された7つの人気かつ多様なソフトウェアシステムに対して、221のバグのデータセットを体系的にキュレートした。
私たちは、Dockerイメージの形で221の欠陥のあるソフトウェアバージョンを、歴史的に正確なレクリエーションを生成し、基盤理論アプローチを使用して、対応する障害、障害、修正を調べ、分類します。
最後に,本研究の意義を考察し,今後の研究の方向性について概説する。
関連論文リスト
- Exploring the Adversarial Vulnerabilities of Vision-Language-Action Models in Robotics [70.93622520400385]
本稿では,VLAに基づくロボットシステムのロバスト性を体系的に評価する。
本研究では,ロボット行動の不安定化に空間的基盤を活用する,標的のない位置認識型攻撃目標を提案する。
また、カメラの視野内に小さなカラフルなパッチを配置し、デジタル環境と物理環境の両方で効果的に攻撃を実行する逆パッチ生成アプローチを設計する。
論文 参考訳（メタデータ） (2024-11-18T01:52:20Z) - A Retrospective on the Robot Air Hockey Challenge: Benchmarking Robust, Reliable, and Safe Learning Techniques for Real-world Robotics [53.33976793493801]
私たちは、NeurIPS 2023カンファレンスでRobot Air Hockey Challengeを組織しました。
我々は、シム・トゥ・リアルギャップ、低レベルの制御問題、安全性問題、リアルタイム要件、実世界のデータの限られた可用性など、ロボット工学における実践的な課題に焦点を当てる。
その結果、学習に基づくアプローチと事前知識を組み合わせたソリューションは、実際のデプロイメントが困難である場合にデータのみに依存するソリューションよりも優れていることがわかった。
論文 参考訳（メタデータ） (2024-11-08T17:20:47Z) - Multi-Task Interactive Robot Fleet Learning with Visual World Models [25.001148860168477]
Sirius-Fleetはマルチタスク対話型ロボットフリートラーニングフレームワークである。
デプロイ中のロボットのパフォーマンスを監視し、必要な時にロボットの動作を修正するよう人間に要求する。
ロボットの自律性が向上するにつれて、異常予測器は予測基準に自動的に適応する。
論文 参考訳（メタデータ） (2024-10-30T04:49:39Z) - Commonsense Reasoning for Legged Robot Adaptation with Vision-Language Models [81.55156507635286]
脚のついたロボットは、様々な環境をナビゲートし、幅広い障害を克服することができる。
現在の学習手法は、人間の監督を伴わずに、予期せぬ状況の長い尾への一般化に苦慮することが多い。
本稿では,VLM-Predictive Control (VLM-PC) というシステムを提案する。
論文 参考訳（メタデータ） (2024-07-02T21:00:30Z) - Runtime Verification and Field-based Testing for ROS-based Robotic Systems [8.675312581079039]
ROSベースのシステムを設計して実行時の検証とフィールドベースのテストを可能にするための明確なガイダンスは存在しない。
本稿では、開発者と品質保証(QA)チームが現場でロボットを開発し、検証し、テストするためのガイドラインを提供することで、このギャップを埋めることを目的とする。
論文 参考訳（メタデータ） (2024-04-17T15:52:29Z) - Highlighting the Safety Concerns of Deploying LLMs/VLMs in Robotics [54.57914943017522]
本稿では,大規模言語モデル (LLMs) と視覚言語モデル (VLMs) をロボティクスアプリケーションに統合する際のロバスト性と安全性に関する重要な課題を強調する。
論文 参考訳（メタデータ） (2024-02-15T22:01:45Z) - Software Engineering for Robotics: Future Research Directions; Report
from the 2023 Workshop on Software Engineering for Robotics [0.0]
Software Engineering for Roboticsは2023年10月にミシガン州デトロイトで開催された。
ワークショップの目標は、ロボット工学とソフトウェア工学にまたがる思想的リーダーを集結させ、コミュニティを結集させることだった。
本報告は,ワークショップの動機,活動,成果をまとめたものである。
論文 参考訳（メタデータ） (2024-01-22T19:21:44Z) - Self-Recovery Prompting: Promptable General Purpose Service Robot System
with Foundation Models and Self-Recovery [1.2900354046626057]
汎用サービスロボット(GPSR)は,様々な環境において多様なタスクを実行できる。
我々はまず,複数の基礎モデルに基づく世界競争のためのトップレベルGPSRシステム(RoboCup@Home 2023)を開発した。
本稿では、必要な情報を探索し、障害から回復するためのプロンプトを変更する自己回復プロンプトパイプラインを提案する。
論文 参考訳（メタデータ） (2023-09-25T18:00:03Z) - Revisiting the Adversarial Robustness-Accuracy Tradeoff in Robot
Learning [121.9708998627352]
近年の研究では、現実的なロボット学習の応用において、対人訓練の効果が公平なトレードオフを起こさないことが示されている。
本研究は,ロボット学習におけるロバストネスと精度のトレードオフを再考し,最近のロバストトレーニング手法と理論の進歩により,現実のロボット応用に適した対人トレーニングが可能かどうかを解析する。
論文 参考訳（メタデータ） (2022-04-15T08:12:15Z) - Learning the Noise of Failure: Intelligent System Tests for Robots [1.713291434132985]
ロボットの自動システムテストにおける故障検出のためのシミュレーションノイズ推定を提案する。
この技術は、人間が成功や失敗を評価することなく、実世界の自動テストを強化することができる。
論文 参考訳（メタデータ） (2021-02-16T11:06:45Z) - AURSAD: Universal Robot Screwdriving Anomaly Detection Dataset [80.6725125503521]
本報告では,UR3eシリーズロボットとOnRobot Screwdriverを用いて作成したデータセットについて述べる。
その結果得られたデータは、正常および異常なロボット動作の2042のサンプルを含んでいる。
このデータを使用した短いMLベンチマークも提供されており、さらなる分析と実験のためのデータの適合性と可能性を示している。
論文 参考訳（メタデータ） (2021-02-02T09:59:23Z)
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。