用于自主机器人鲁棒验证的贝叶斯学习
机器人学
2023-12-13 v2 人工智能
摘要
用于基础设施巡检、太空探索及其他关键任务的自主机器人在高度动态的环境中运行。因此，它们必须持续验证自身安全有效地完成这些任务相关能力。在此我们提出一种贝叶斯学习框架，实现自主机器人的运行时验证。该框架利用被验证机器人的先验知识和观测来学习常规与奇异（例如灾难性故障）事件发生率的期望范围。随后分析利用这些范围定义的区间连续时间马尔可夫模型，以获得任务持续时间和成功概率等系统属性的期望变化区间。我们将该框架应用于水下基础设施巡检与修复的自主机器人任务。文中给出的形式化证明与实验表明，我们的框架产生的结果反映了许多真实世界系统固有的不确定性，从而在参数不确定性下实现其定量属性的鲁棒验证。
引用
@article{arxiv.2303.08476,
title = {Bayesian Learning for the Robust Verification of Autonomous Robots},
author = {Xingyu Zhao and Simos Gerasimou and Radu Calinescu and Calum Imrie and Valentin Robu and David Flynn},
journal= {arXiv preprint arXiv:2303.08476},
year = {2023}
}
备注
Accepted by Communications Engineering