机器人辅助穿衣的符号运行时验证与自适应决策
计算机视觉与模式识别
2025-10-14 v2
摘要
我们提出一种用于机器人辅助穿衣的控制框架，通过运行时监控和形式化验证来增强低层危险响应机制。参数化离散时间马尔可夫链（pDTMC）用于建模穿衣过程，而贝叶斯推断则基于感知和用户反馈动态更新 pDTMC 的转移概率。来自危险分析的安全约束以概率计算树逻辑（PTL）表示，并通过概率模型检查器进行符号验证。我们评估了 garment-snag 缓解和升级的可达性、成本和奖励之间的权衡，从而实现实时自适应。该方法为安全感知、可解释的机器人帮助提供了一种形式化而轻量级的基础。
引用
@article{arxiv.2504.15665,
title = {Motion-Enhanced Nonlocal Similarity Implicit Neural Representation for Infrared Dim and Small Target Detection},
author = {Pei Liu and Yisi Luo and Wenzhen Wang and Xiangyong Cao},
journal= {arXiv preprint arXiv:2504.15665},
year = {2025}
}