噪声机器人程序抽象化
该研究提出了一种抽象方法，将高层次、非随机的机器人模型映射到低层次、随机的模型中，从而消除传感器噪声对机器人行为模型的影响，简化行为模型的可理解性。
Jul, 2022
论文提出了一个基于 ConGolog 编程语言和非确定情景演算的抽象化代理行为的通用框架，在支持策略推理和策略合成的同时，实现了代理动作和环境反应的分离量化。如果代理在抽象层次有一个 (plan/strategy) 可以实现目标 / 完成任务，并且可以在具体层次始终执行非确定性的抽象行为从而实现目标 / 任务，则存在一个对具体目标 / 任务的细化的 (plan/strategy) 实现。
May, 2023
当对行为进行推理时，如通过任务规划或使用 Golog 进行机器人代理编程时，机器人的行为通常建模在抽象层次上，其中复杂的动作（例如拾取对象）被视为具有确定性效果和仅依赖于当前状态的前提条件的原子原语。然而，当在机器人上执行此类动作时，它不再被视为原始动作，而是涉及多个步骤、具有额外时态前提条件和时间约束的复杂任务。此外，该行为可能出现噪声，例如产生错误感知结果并且并非总是具有期望的效果。虽然这些方面通常被忽略在推理任务中，但在执行期间需要处理它们。在这篇论文中，我们提出了几种方法来填补这个差距。
Dec, 2023
介绍了一种能够帮助代理人处理不确定性的概率信念模型并建议了一种能够捕捉代理人信念状态的简单公理化方法，该方法基于 Reiter 等人开发的行动的一般逻辑理论并在情境演算中进行形式化。
Sep, 1998
本文介绍了一种机器人体系结构，它结合了概率图形模型和声明性编程的互补优势，用于表示和处理基于逻辑和概率的不确定性和领域知识。它采用行动语言描述了两个粒度水平上的紧密耦合的过渡图，通过求解部分可观察的马尔可夫决策过程，支持在复杂领域中处理默认违规、嘈杂观察和不可靠行为的推理和规划。
Aug, 2015
本文介绍了一种通过层次化结构和抽象 - 细化循环来加速分析马尔科夫决策过程，针对重复部分具有局部影响的概率程序，将类似的子程序抽象成参数化模板，在需要时对其进行详细分析，从而缓解著名的状态空间爆炸问题。
Jun, 2022
介绍一种新的方法，随机测试和抽象解释相结合，用于分析同时具有概率和非概率不确定性的程序，探讨了测试和抽象解释的组合以及精确性和迭代次数等问题，并给出了实验结果。
Jan, 2007