A Multi-Level Corroborative Approach for Verification and Validation of Autonomous Robotic Swarms

要約

群れ内の新たな行動をモデル化して特徴付けることは、「保証」の点で重大な課題を引き起こす可能性があります。
保証タスクには、標準への準拠、認証プロセス、モデル チェックなどの検証および検証 (V&V) 手法の実行が含まれます。
この研究では、巨視的形式モデリング、低忠実度シミュレーション、高忠実度シミュレーション、および実際のロボット レベルで定義される自律ロボット群を形式的に検証および検証するための、全体的なマルチレベル モデリング アプローチを提案します。
検証に使用される当社の正式な巨視的モデルは、実際のシミュレーションから得られたデータによって特徴づけられ、さまざまなシステム モデルにわたる精度とトレーサビリティの両方を保証します。
さらに、私たちの仕事は形式的な検証と実際のロボットを使用した実験的な検証を組み合わせています。
このようにして、V&V に対する当社の裏付けアプローチは、これらの方法を個別に使用するのとは対照的に、証拠に対する信頼性を高めることを目指しています。
公共のクローク内で動作するロボットの群れに焦点を当てたケーススタディを通じて、私たちのアプローチを探ります。

要約(オリジナル)

Modelling and characterizing emergent behaviour within a swarm can pose significant challenges in terms of ‘assurance’. Assurance tasks encompass adherence to standards, certification processes, and the execution of verification and validation (V&V) methods, such as model checking. In this study, we propose a holistic, multi-level modelling approach for formally verifying and validating autonomous robotic swarms, which are defined at the macroscopic formal modelling, low-fidelity simulation, high-fidelity simulation, and real-robot levels. Our formal macroscopic models, used for verification, are characterized by data derived from actual simulations, ensuring both accuracy and traceability across different system models. Furthermore, our work combines formal verification with experimental validation involving real robots. In this way, our corroborative approach for V&V seeks to enhance confidence in the evidence, in contrast to employing these methods separately. We explore our approach through a case study focused on a swarm of robots operating within a public cloakroom.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google