論文の概要: Verified Design of Robotic Autonomous Systems using Probabilistic Model Checking
- arxiv url: http://arxiv.org/abs/2601.10720v1
- Date: Fri, 19 Dec 2025 13:01:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.796302
- Title: Verified Design of Robotic Autonomous Systems using Probabilistic Model Checking
- Title（参考訳）: 確率論的モデル検査を用いたロボット自律システムの検証設計
- Authors: Atef Azaiez, David Alireza Anisi,
- Abstract要約: ロボット自律システムの設計において、安全性と信頼性が重要な役割を担っている。
本稿では,システム設計概念の体系的評価と分析を可能にするための形式的手法,すなわち確率的モデル検査(PMC)を提案する。
本稿では,提案手法のロボット農業における実践的RAS概念選択ユースケースへの適用について述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Safety and reliability play a crucial role when designing Robotic Autonomous Systems (RAS). Early consideration of hazards, risks and mitigation actions -- already in the concept study phase -- are important steps in building a solid foundations for the subsequent steps in the system engineering life cycle. The complex nature of RAS, as well as the uncertain and dynamic environments the robots operate within, do not merely effect fault management and operation robustness, but also makes the task of system design concept selection, a hard problem to address. Approaches to tackle the mentioned challenges and their implications on system design, range from ad-hoc concept development and design practices, to systematic, statistical and analytical techniques of Model Based Systems Engineering. In this paper, we propose a methodology to apply a formal method, namely Probabilistic Model Checking (PMC), to enable systematic evaluation and analysis of a given set of system design concepts, ultimately leading to a set of Verified Designs (VD). We illustrate the application of the suggested methodology -- using PRISM as probabilistic model checker -- to a practical RAS concept selection use-case from agriculture robotics. Along the way, we also develop and present a domain-specific Design Evaluation Criteria for agri-RAS.
- Abstract（参考訳）: 安全と信頼性は、ロボット自律システム(RAS)の設計において重要な役割を果たす。
リスク、リスク、緩和行動の早期検討(すでに概念研究フェーズにある)は、システムエンジニアリングライフサイクルにおけるその後のステップのためのしっかりとした基盤を構築するための重要なステップである。
RASの複雑な性質と、ロボットが操作する不確実で動的な環境は、単に障害管理や運用の堅牢性に影響を及ぼすだけでなく、システム設計の概念選択という課題にも対処するのは難しい。
アドホックなコンセプト開発やデザインプラクティスから、モデルベースシステムエンジニアリングの体系的、統計的、分析的技術まで、システム設計における課題とその影響に対処するためのアプローチ。
本稿では,形式的手法である確率モデル検査(PMC)を適用し,システム設計概念の体系的評価と分析を可能にする手法を提案する。
本稿では,PRISMを確率モデルチェッカーとして用いた提案手法を,農業ロボティクスの実践的RAS概念選択ユースケースに適用する。
また,Agri-RASのためのドメイン固有の設計評価基準を開発し,提示する。
関連論文リスト
- Fundamentals of Building Autonomous LLM Agents [64.39018305018904]
本稿では,大規模言語モデル(LLM)を用いたエージェントのアーキテクチャと実装手法について概説する。
この研究は、複雑なタスクを自動化し、人間の能力でパフォーマンスのギャップを埋めることのできる「アジェンティック」なLLMを開発するためのパターンを探求することを目的としている。
論文 参考訳（メタデータ） (2025-10-10T10:32:39Z) - A Verification Methodology for Safety Assurance of Robotic Autonomous Systems [0.1962656580942496]
本稿では,自律型農業ロボットの安全性保証のための検証ワークフローを提案する。
コンセプトスタディから設計、実行時の検証に至るまで、開発ライフサイクル全体をカバーする。
提案手法は, 安全クリティカルな特性を検証し, 設計問題の早期発見を容易にするために有効に利用できることが示唆された。
論文 参考訳（メタデータ） (2025-06-24T13:39:51Z) - Probabilistic modelling and safety assurance of an agriculture robot providing light-treatment [0.0]
農業ロボットの採用は、新しい技術の信頼性、堅牢性、安全性に対する農家の信頼を仮定している。
本稿では,早期開発段階における確率論的モデリングとリスク分析の枠組みについて考察する。
論文 参考訳（メタデータ） (2025-06-24T13:39:32Z) - An LLM-enabled Multi-Agent Autonomous Mechatronics Design Framework [49.633199780510864]
本研究は, 機械設計, 最適化, エレクトロニクス, ソフトウェア工学の専門知識を統合した多エージェント自律メカトロニクス設計フレームワークを提案する。
このフレームワークは、言語駆動のワークフローを通じて運用され、構造化された人間のフィードバックを組み込んで、現実世界の制約下での堅牢なパフォーマンスを保証する。
完全に機能する自律型容器は、最適化された推進、コスト効率の高い電子機器、高度な制御を備えていた。
論文 参考訳（メタデータ） (2025-04-20T16:57:45Z) - A quantitative framework for evaluating architectural patterns in ML systems [49.1574468325115]
本研究では,MLシステムにおけるアーキテクチャパターンの定量的評価のための枠組みを提案する。
コスト効率のよいCPUベースの推論のためのスケーラビリティとパフォーマンスメトリクスに注目します。
論文 参考訳（メタデータ） (2025-01-20T15:30:09Z) - EARBench: Towards Evaluating Physical Risk Awareness for Task Planning of Foundation Model-based Embodied AI Agents [53.717918131568936]
EAI(Embodied AI)は、高度なAIモデルを現実世界のインタラクションのための物理的なエンティティに統合する。
高レベルのタスク計画のためのEAIエージェントの"脳"としてのファンデーションモデルは、有望な結果を示している。
しかし、これらのエージェントの物理的環境への展開は、重大な安全性上の課題を呈している。
本研究では,EAIシナリオにおける身体的リスクの自動評価のための新しいフレームワークEARBenchを紹介する。
論文 参考訳（メタデータ） (2024-08-08T13:19:37Z) - A Methodology to Identify Physical or Computational Experiment Conditions for Uncertainty Mitigation [0.0]
本稿では,システムレベルの不確実性軽減を目的とした計算実験や物理実験を設計するための方法論を提案する。
提案手法は様々な設計課題にまたがって不確実性管理に取り組むのに十分な汎用性を有する。
論文 参考訳（メタデータ） (2024-05-22T18:59:42Z) - Toward Methodical Discovery and Handling of Hidden Assumptions in
Complex Systems and Models [3.1771791275364194]
外部レビューは、文書化されていないビルトインの仮定を明らかにすることができる。
様々なデジタルアーティファクトが、広範囲にわたる参照知識に対して自動的にチェック可能であることを示す。
システム工学のこの側面を体系的に扱うことは、複雑なシステムやモデルの品質と安全性に大きく貢献できると考えている。
論文 参考訳（メタデータ） (2023-12-27T10:33:12Z) - Model-based Analysis and Specification of Functional Requirements and
Tests for Complex Automotive Systems [0.19837121116620585]
本稿では,利害関係者の観点からの検証対象の早期識別から始まる手法を提案する。
完全かつ一貫した要件とテスト仕様を保証するために,モデルベースシステム工学(MBSE)手法を開発した。
本研究は,我々の方法論が適用可能であること,既存の要件とテスト仕様プロセスを改善することを裏付けるものである。
論文 参考訳（メタデータ） (2022-09-03T18:24:32Z) - 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) - Evaluating the Safety of Deep Reinforcement Learning Models using
Semi-Formal Verification [81.32981236437395]
本稿では,区間分析に基づく半形式的意思決定手法を提案する。
本手法は, 標準ベンチマークに比較して, 形式検証に対して比較結果を得る。
提案手法は, 意思決定モデルにおける安全性特性を効果的に評価することを可能にする。
論文 参考訳（メタデータ） (2020-10-19T11:18:06Z)
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。