机器人软件的基于模型测试生成：自动机与信念-愿望-意图智能体
人工智能
2016-12-13 v2
摘要
机器人代码需要经过验证以确保其安全性和功能正确性，尤其是在机器人与人交互时。在仿真环境中测试真实代码是一种可行的选择。然而，生成覆盖罕见场景并执行大部分代码的测试是一项挑战，这一挑战因环境与软件之间交互的复杂性而加剧。基于模型的测试生成方法能够自动化原本手动的流程，并有助于在测试中达到罕见场景。本文通过两个案例研究——一项协作制造任务和一项家庭护理场景——在实用性、性能、对不同场景的可迁移性以及探索（“覆盖率”）方面，将使用信念-愿望-意图（BDI）智能体作为测试生成模型与利用模型检测的更传统的基于自动机的技术进行了比较。结果突出了使用 BDI 智能体进行测试生成的优势。BDI 智能体自然地模拟了人机交互（HRI）中存在的能动性，因此比自动机更具表达能力。与基于模型检测自动机的测试生成相比，基于 BDI 的测试生成性能至少同样高，且所达到的覆盖率更高或相当。
引用
@article{arxiv.1609.08439,
title = {Model-based Test Generation for Robotic Software: Automata versus Belief-Desire-Intention Agents},
author = {Dejanira Araiza-Illan and Anthony G. Pipe and Kerstin Eder},
journal= {arXiv preprint arXiv:1609.08439},
year = {2016}
}
备注
arXiv admin note: text overlap with arXiv:1603.00656