[論文レビュー] Formal Modelling and Analysis of a Self-Adaptive Robotic System

Juliane Päßler, Maurice H. ter Beek+3 more|arXiv (Cornell University)|Aug 28, 2023

Formal Methods in Verification被引用数 4

ひとこと要約

本稿では、2層アーキテクチャを用いてパイプライン点検を目的とした自己適応型自律水中航行機（AUV）の形式的モデルを提示する。管理対象サブシステムは機能ガード付き確率的遷移系としてモデル化され、管理サブシステムは有効な機能設定間を切り替える動的コントローラとしてモデル化される。ProFeatを用いたファミリベースの確率的モデル検査により、すべてのシステム設定において定量的かつ安全な性質および報酬性質の効率的検証が可能となり、不確実な水中環境におけるリアルタイム適応の実現可能性が示された。

ABSTRACT

Self-adaptation is a crucial feature of autonomous systems that must cope with uncertainties in, e.g., their environment and their internal state. Self-adaptive systems are often modelled as two-layered systems with a managed subsystem handling the domain concerns and a managing subsystem implementing the adaptation logic. We consider a case study of a self-adaptive robotic system; more concretely, an autonomous underwater vehicle (AUV) used for pipeline inspection. In this paper, we model and analyse it with the feature-aware probabilistic model checker ProFeat. The functionalities of the AUV are modelled in a feature model, capturing the AUV's variability. This allows us to model the managed subsystem of the AUV as a family of systems, where each family member corresponds to a valid feature configuration of the AUV. The managing subsystem of the AUV is modelled as a control layer capable of dynamically switching between such valid feature configurations, depending both on environmental and internal conditions. We use this model to analyse probabilistic reward and safety properties for the AUV.

研究の動機と目的

• 実行時における不確実な環境的および内部的条件に適応できる自律ロボットシステムを設計する課題に対処すること。
• 実行時変動性を有するロボットシステムのすべての有効設定において、安全および性能性質を効率的に検証できること。
• 特徴モデルと確率的モデル検査を用いて、自己適応型ロボットシステムをシステムファミリとしてモデリング・解析可能であることを実証すること。
• 自律水中航行機におけるエネルギー消費やミッション期間などの定量的性質をスケーラブルかつ形式的な手法で検証するための基盤を提供すること。
• 自己適応型情報物理システムにおける最適な適応戦略や制御パターンの発見に関する今後の研究の基盤を築くこと。

提案手法

• AUVの管理対象サブシステムを、機能的変動性と依存関係を捉える特徴モデルを用いて、システムファミリとしてモデル化する。
• 管理対象サブシステムの動作を、機能ガードを備えた確率的遷移系として表現し、有効な設定下でのみ遷移が有効化されることを保証する。
• 環境的および内部状態の観測に基づき、特徴設定間を動的に切り替える制御層として、管理サブシステムをモデル化する。
• ProFeat（特徴に配慮した確率的モデル・チェッカー）を用い、1回の解析実行ですべての有効設定をカバーするファミリベースのモデル検査を実施する。
• 推定される環境の不確実性を反映させ、推進機の故障や水中視界の変化などの出来事に確率を割り当てる。
• さまざまな運用シナリオ下での期待ミッション期間、エネルギー消費、および安全性といった定量的性質を定義し、検証する。

Figure 1 : Two-level SAS architecture

実験結果

リサーチクエスチョン

• RQ1 実行時変動性を有する自己適応型ロボットシステムを、自動検証を可能にする形式的モデリングでどのように表現できるか。
• RQ2 確率的環境的不確実性下で、異なる特徴設定がAUVのエネルギー消費およびミッション期間に与える影響は何か。
• RQ3 1回のモデル検査実行で、ロボットシステムファミリのすべての有効設定を正確かつ効率的に分析できるか。
• RQ4 特徴設定間の動的切り替えが、パイプライン点検中のAUVの安全性および信頼性に与える影響は何か。
• RQ5 解析から導かれる制御戦略は、実世界のAUVにおけるより強靭な適応論理の設計をどのように支援できるか。

主な発見

• 本アプローチは、各設定が有効な特徴集合に対応するシステムファミリとしてAUVを成功裏にモデル化し、変動性の包括的分析を可能にした。
• ProFeatを用いたファミリベースのモデル検査により、1回の実行ですべての設定において確率的報酬性質および安全性の効率的検証が可能となった。
• 分析により、さまざまな環境条件および特徴設定下での期待ミッション期間とエネルギー消費の定量的推定値が得られた。
• 安全性の性質が検証され、推進機の故障や視界不良時でもAUVが運用の整合性を保つことが確認された。
• 高い高度で航行することで推進機の故障確率が低下するが、視認性が十分でないと認識能力が損なわれるため、動的高さ切り替えが主要な適応戦略であるとモデルが示した。
• 結果から、このような形式的解析によって最適な適応戦略を発見可能であることが示唆され、将来的なコントローラ最適化研究の支援が可能である。

Figure 2 : Feature model of the case study