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
- Runtime Verification and Field 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ありません。
本稿では,現場でのロボットの開発,検証,テストにおいて,開発者やQAチームを支援する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) - SERL: A Software Suite for Sample-Efficient Robotic Reinforcement
Learning [85.21378553454672]
筆者らは,報酬の計算と環境のリセットを行う手法とともに,効率的なオフ・ポリティクス・ディープ・RL法を含むライブラリを開発した。
我々は,PCBボードアセンブリ,ケーブルルーティング,オブジェクトの移動に関するポリシを,非常に効率的な学習を実現することができることを発見した。
これらの政策は完全な成功率またはほぼ完全な成功率、摂動下でさえ極端な堅牢性を実現し、突発的な堅牢性回復と修正行動を示す。
論文 参考訳(メタデータ) (2024-01-29T10:01:10Z) - 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) - Detecting and Mitigating System-Level Anomalies of Vision-Based Controllers [7.095058159492494]
ビジョンベースのコントローラは、新規またはアウト・オブ・ディストリビューションの入力に直面したとき、誤った予測を行うことができる。
本研究では,そのような閉ループ,システムレベルの障害を検知・緩和する実行時異常モニタを提案する。
本提案手法は, 視覚に基づくタクシー制御システムを用いた自律型航空機タクシーシステムにおいて, 提案手法の有効性を検証したものである。
論文 参考訳(メタデータ) (2023-09-23T20:33:38Z) - Don't Start From Scratch: Leveraging Prior Data to Automate Robotic
Reinforcement Learning [70.70104870417784]
強化学習(RL)アルゴリズムは、ロボットシステムの自律的なスキル獲得を可能にするという約束を持っている。
現実のロボットRLは、通常、環境をリセットするためにデータ収集と頻繁な人間の介入を必要とする。
本研究では,従来のタスクから収集した多様なオフラインデータセットを効果的に活用することで,これらの課題にどのように対処できるかを検討する。
論文 参考訳(メタデータ) (2022-07-11T08:31:22Z) - 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) - SUPERNOVA: Automating Test Selection and Defect Prevention in AAA Video
Games Using Risk Based Testing and Machine Learning [62.997667081978825]
従来の手法では、成長するソフトウェアシステムではスケールできないため、ビデオゲームのテストはますます難しいタスクになります。
自動化ハブとして機能しながら,テスト選択と欠陥防止を行うシステム SUPERNOVA を提案する。
この直接的な影響は、未公表のスポーツゲームタイトルの55%以上のテスト時間を減らすことが観察されている。
論文 参考訳(メタデータ) (2022-03-10T00:47:46Z) - Multi Agent System for Machine Learning Under Uncertainty in Cyber
Physical Manufacturing System [78.60415450507706]
近年の予測機械学習の進歩は、製造における様々なユースケースに応用されている。
ほとんどの研究は、それに関連する不確実性に対処することなく予測精度を最大化することに焦点を当てた。
本稿では,機械学習における不確実性の原因を特定し,不確実性下での機械学習システムの成功基準を確立する。
論文 参考訳(メタデータ) (2021-07-28T10:28:05Z) - 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。