[논문 리뷰] Formal Modelling and Analysis of a Self-Adaptive Robotic System

Juliane Päßler, Maurice H. ter Beek외 3명|arXiv (Cornell University)|2023. 08. 28.

Formal Methods in Verification인용 수 4

한 줄 요약

이 논문은 두 계층 아키텍처를 사용하여 파이프라인 점검을 위한 자기적응형 자율 수중선박(AUV)의 형식적 모델을 제시한다: 관리 대상 하위계는 기능 가드를 갖춘 확률적 전이 시스템으로 모델링되고, 관리하는 하위계는 유효한 기능 구성 간에 동적으로 전환하는 동적 제어기로 모델링된다. ProFeat를 사용한 기능 기반 확률적 모델 체킹을 통해, 모든 시스템 구성에서 양적 안전성 및 보상 성질을 효율적으로 검증할 수 있으며, 이는 불확실한 수중 환경에서 실시간 적응 가능성을 입증한다.

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.

연구 동기 및 목표

• 런타임 중 환경적 및 내부 조건의 불확실성에 대응할 수 있는 자율 로봇 시스템을 설계하는 데 도전 과제를 해결하기 위해.
• 런타임 가변성을 갖는 로봇 시스템의 모든 유효한 구성에서 안전성 및 성능 성질을 효율적으로 검증하기 위해.
• 기능 모델과 확률적 모델 체킹을 사용하여 자기적응형 로봇 시스템을 시스템 가족으로 모델링하고 분석할 수 있는 가능성을 입증하기 위해.
• 자율 수중선박에서 에너지 소비 및 임무 지속 시간과 같은 양적 성질을 검증하기 위한 확장 가능하고 형식적인 방법론을 제공하기 위해.
• 자기적응형 사이버-물리 시스템에서 최적의 적응 전략 및 제어 패tern 탐색을 위한 향후 연구의 기초를 마련하기 위해.

제안 방법

• 기능 가변성과 의존성을 포괄하는 기능 모델을 사용하여 AUV의 관리 대상 하위계를 시스템 가족으로 모델링하기 위해.
• 유효한 구성에서만 활성화되는 기능 가드를 갖춘 확률적 전이 시스템으로 하위계의 행동을 표현하기 위해.
• 환경 및 내부 상태 관측치에 기반하여 기능 구성 간에 동적으로 전환하는 제어 계층으로 관리하는 하위계를 모델링하기 위해.
• 모든 유효한 구성에서 단일 분석 실행으로도 가족 기반 모델 체킹을 수행할 수 있도록 ProFeat, 즉 기능 인식 확률적 모델 체커를 사용하기 위해.
• 스러움기 고장 및 수류 시야 변화와 같은 사건에 확률을 할당하여 환경의 불확실성을 통합하기 위해.
• 다양한 운영 시나리오에서 예상 임무 지속 시간, 에너지 소비 및 안전성과 같은 양적 성질을 정의하고 검증하기 위해.

Figure 1 : Two-level SAS architecture

실험 결과

연구 질문

• RQ1 런타임에서 동적 가변성을 갖는 자기적응형 로봇 시스템을 자동 검증을 지원할 수 있도록 형식적으로 모델링하는 방법은 무엇인가?
• RQ2 확률적 환경 불확실성 하에서 다양한 기능 구성이 AUV의 에너지 소비 및 임무 지속 시간에 미치는 영향은 무엇인가?
• RQ3 단일 모델 체킹 실행으로도 모든 유효한 로봇 시스템 구성 가족을 분석하면서 정확성과 효율성을 유지할 수 있는가?
• RQ4 기능 구성 간의 동적 전환이 파이프라인 점검 중 AUV의 안전성 및 신뢰성에 미치는 영향은 무엇인가?
• RQ5 분석을 통해 도출되는 제어 전략은 실제 AUV에서 더 견고한 적응 논리 설계를 안내하는 데 어떻게 기여할 수 있는가?

주요 결과

• 이 방법은 각 구성이 유효한 기능 집합에 해당하는 시스템 가족으로 AUV를 성공적으로 모델링하여 가변성의 통합적 분석을 가능하게 하였다.
• ProFeat를 사용한 가족 기반 모델 체킹을 통해 단일 실행으로 모든 구성에서 확률적 보상 및 안전성 성질을 효율적으로 검증할 수 있었다.
• 분석을 통해 다양한 환경 조건과 기능 구성에서 예상 임무 지속 시간 및 에너지 소비의 정량적 추정치를 제공하였다.
• 안전성 성질이 검증되어, 스러움기 고장 또는 시야가 낮은 조건에서도 AUV가 운영 무결성을 유지함을 보장하였다.
• 모델은 높은 고도에서 운영할 경우 스러움기 고장 확률이 감소하지만, 시각 인식을 유지하기 위해 충분한 수류 시야가 필요하므로, 동적 고도 전환이 핵심 적응 전략임을 입증하였다.
• 결과적으로 이러한 형식적 분석을 통해 최적의 적응 전략을 탐색할 수 있으며, 향후 제어기 최적화를 위한 연구에 기여할 수 있음을 시사한다.

Figure 2 : Feature model of the case study