本稿では、公共建物の清掃ロボット集団を例に、最適化目標、安全性、および環境の不確実性に対するロバスト性を考慮した、反復タスクを持つロボット集団のためのコントローラ合成のための定量的確率論的アプローチを提案しています。
公共建物の清掃ロボット集団の制御システム設計には、タスクの仕様化、モデリング、実用規模での利用という3つの課題があります。本稿では、これらの課題に対し、最適化目標(例:最大限の清潔さ、最小限のエネルギー消費)、反復性(例:汚染と充電の閾値の再確立)、安全性(例:完全放電の回避、相互排他的な部屋の占有)の制約を考慮した、高レベルコントローラ合成のためのシンプルながらも有用な抽象化に焦点を当てています。
本稿では、確率的な事象を含む環境下で動作するロボット集団のための制御戦略を合成するための定量的確率論的アプローチを提案しています。このアプローチでは、部分観測マルコフ決定過程(POMDP)を用いて、環境の不確実性に対するロバスト性をモデル化しています。
まず、ロボットの移動やバッテリー状態、部屋の汚染状態など、清掃シナリオの時空間的抽象化をモデル化します。このモデルは、調整モデリングのためのカラーペトリネット(CPN)と、ロボットのローカルな動作を記述するための有限オートマトンを用いて表現されます。これらの側面は、報酬強化POMDP Mに変換され、確率的なアクションを用いることで、詳細なモデルの潜在的な状態数を削減します。
次に、POMDP Mに対して戦略σが合成されます。この戦略は、決定論的で非確率的、整数値のモデルMσを導出するために使用されます。最終的に、Mσは、合成中に直接チェックできない戦略要件に対して検証されます。
実験評価では、複数のロボットに対して合理的な戦略を合成できること、およびモデルパラメータが反復戦略の合成に与える影響について検証しています。
本稿で提案するアプローチは、最適化目標、安全性、環境の不確実性に対するロバスト性を考慮した、反復タスクを持つロボット集団のための実用的なコントローラ合成のための有望な枠組みを提供します。
Egy másik nyelvre
a forrásanyagból
arxiv.org
Mélyebb kérdések