Formal Modelling and Analysis of a Self-Adaptive Robotic System

要約

自己適応は、環境や内部状態などの不確実性に対処する必要がある自律システムの重要な機能です。
自己適応システムは、多くの場合、ドメインの問題を処理する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備えた 2 層システムとしてモデル化されます。
自己適応ロボット システムのケーススタディを検討します。
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探査機（AUV）です。
このペーパーでは、特徴を認識した確率的モデル チェッカー ProFeat を使用してモデル化および分析します。
AUV の機能は、AUV の変動性を捉えたフィーチャー モデルでモデル化されます。
これにより、AUV の管理対象サブシステムをシステム ファミリとしてモデル化できます。各ファミリー メンバーは AUV の有効な機能構成に対応します。
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、そのような有効な機能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ています。
このモデルを使用して、AUV の確率的報酬と安全性の特性を分析します。

要約(オリジナル)

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.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google