AAAIDec, 2018

在极端环境中部署机器人的概率模型检查

PDF
TL;DR本文介绍了一个用于验证机器人安全和可靠性需求的概率模型检查框架，并使用两种新型估计器（基于保守贝叶斯推断和不精确概率模型）从实际操作数据中学习未知的转移参数。在极端环境下的无人潜水器实际部署数据上演示了该方法。
robotsoperational autonomysafetyreliabilityprobabilistic model
发现论文，激发创造
  • 概率模型检查和自主性

    本文综述了概率模型检测在 PRISM 和 PRISM-games 模型检查器支持下的可观测和不可观测马尔可夫决策过程、顺序和并发随机博弈以及相关概率时态逻辑，以及其在自主系统中的应用，并探讨了未来研究方向和挑战。

    Nov, 2021

  • 自主机器人的鲁棒验证的贝叶斯学习

    利用 Bayesian learning 的框架进行 runtime verification，以验证在不确定环境中执行的关键任务的自主机器人，将这些方法应用于水下基础设施的检查和维修的自主机器人任务的验证案例研究中。

    Mar, 2023

  • 多智能体验证与控制的概率模型检验

    概率模型检查是一种在不确定性或随机性背景下对软件或硬件系统进行形式化自动推理的技术。该技术综合了来自多个领域的思想和技术，包括逻辑、自动机理论、图论、优化、数值方法和控制。最近，概率模型检查还扩展到整合博弈论中的思想，特别是使用随机博弈模型和均衡解概念来正式验证具有不同目标的多个理性代理之间的交互。这提供了一种灵活推理有关代理以对抗或协作方式行动的手段，并为人工智能、机器人和自主系统等领域解决新问题带来机遇。本文概述了该领域的一些进展，并强调了它们已经被使用的应用。我们讨论了概率模型检查的优势如何应用或有潜力应用于多智能体系统，并概述了在这一领域取得更进一步的关键挑战。

    Aug, 2023

  • 基于置信度的人类预测的概率安全机器人规划

    本文提出使用贝叶斯框架观察人类行为对模型准确性的影响，从而实现安全的机器人预测和运动规划。该方法可以建立一种概率保障的安全证书，并以四轴飞行器为例进行演示。

    May, 2018

  • 随机强化学习策略的概率模型检验

    我们介绍了一种验证随机强化学习政策的方法，该方法与任何强化学习算法兼容，只要算法及其对应的环境共同遵守马尔科夫属性。我们的方法将模型检验技术与强化学习相结合，利用马尔科夫决策过程、训练好的强化学习策略和概率计算树逻辑（PCTL）公式构建一个正式模型，并通过模型检验器 Storm 进行验证。我们在多个基准测试中展示了我们的方法的适用性，并与称为确定性安全估计和简单的整体模型检验方法进行了比较。我们的结果表明，我们的方法适用于验证随机强化学习政策。

    Mar, 2024

  • 闭环机器人反应式规划的模型检测

    使用模型检验创建差分驱动轮式机器人的多步计划，以避免即时危险，并以近实时的方式改善局部障碍物避免的效果。

    Nov, 2023

  • 多机器人系统不确定性下的正式建模

    本文回顾了多机器人系统模型的形式化方法，并探讨了如何将它们用于计划、加强学习、模型检验和仿真。最近的研究致力于改进方法，准确捕捉多机器人之间的相互影响与不确定性，以及减少模型规模以提高求解效率。然而，现有的多机器人模型存在着在捕捉机器人依赖和不确定性精度与规模之间的平衡，未来研究应从实际多机器人行为出发，开发精度更高、同时保留多机器人之间不确定性与相互作用的小规模模型，并利用多机器人问题的结构，如因子状态空间，来开发可扩展求解方法。

    May, 2023

  • 关于在矿山测绘任务中实现无人机的概率因果发现、推断与解释

    部署因果模型的无人机系统在盐矿环境中遇到了混淆因素、非稳态和无法提前构建完整因果模型等挑战，为了解决这些问题，我们提出了一种基于概率因果框架的解决方案，其中包括因果知识驱动的 POMDP 规划、在线 SCM 调整和事后可反事实解释。同时，我们将计划进行实验，评估这一框架在模拟矿山环境和真实矿山数据集上与无人机系统的集成效果。

    Aug, 2023

  • 基于模型的验证作为概率推理

    使用基于贝叶斯推断的模型方法来估计序列系统的失效轨迹，使用自动微分计算轨迹梯度并使用 Hamiltonian Monte Carlo 采样方法进行多模式捕捉和平滑处理，该方法在自主驾驶车辆、倒置摆控制系统和部分可观察月球着陆器实现，结果显示在样本效率和参数空间覆盖率方面比黑盒子基线方法有所改进，此方法已开放源代码。

    May, 2023

  • 神经桥抽样用于评估安全关键自主系统

    本文提出了一种基于概率方法的安全性评估模拟方法，能够快速地对危险事件进行探测和评估，并证明了方法在统计和计算效率方面的优越性，最后在多种场景下进行了测试，证明了该方法对于开发和测试安全关键自主系统的敏感性分析和模型比较的重要性。

    Aug, 2020