[논문 리뷰] MROS: Runtime Adaptation For Robot Control Architectures.

Carlos Hernández, Darko Bozhinoski외 6명|arXiv (Cornell University)|2020. 10. 19.

Advanced Software Engineering Methodologies참고 문헌 40인용 수 6

한 줄 요약

이 논문은 형식적인 OWL 온톨로지와 SWRL 규칙를 사용하여 구성 공간과 임무 요구사항을 표현함으로써, ROS 기반 로봇 제어 아키텍처의 런타임 적응을 위한 모델 기반 프레임워크인 MROS를 제안한다. 이는 오프더쇼프 추론을 통해 자동 진단 및 적응을 가능하게 하며, 실제 두 개의 ROS 시스템에서 검증되었으며, 이는 이중 암 로봇이 피라미드를 쌓는 작업과 공장 내에서 이동하는 모바일 로봇의 사례를 포함한다. 변화하는 조건 하에서 효과적인 동적 재구성 능력을 입증한다.

ABSTRACT

Known attempts to build autonomous robots rely on complex control architectures, often implemented with the Robot Operating System platform (ROS). These architectures need to be dynamically adaptable in order to cope with changing environment conditions, new mission requirements or component failures. The implementation of adaptable architectures is very often ad hoc, quickly gets cumbersome and expensive. We present a structured model-based framework for the adaptation of robot control architectures at run-time to satisfy set quality requirements. We use a formal meta-model to represent the configuration space of control architectures and the corresponding mission requirements. The meta-model is implemented as an OWL ontology with SWRL rules, enabling the use of an off-the-shelf reasoner for diagnostics and adaptation. The method is discussed and evaluated using two case studies of real, ROS-based systems: (i) for an autonomous dual arm mobile manipulator building a pyramid and (ii) a mobile robot navigating in a factory environment.

연구 동기 및 목표

• 복잡한 ROS 기반 로봇 제어 아키텍처에서 체계적이고 확장 가능한 런타임 적응의 부족을 해결하기 위해.
• 시간이 지남에 따라 다루기 어려워지는 수동적이고 실수를 유발하기 쉬운 적응 메커니즘을 줄이기 위해.
• 로봇 제어 시스템의 구성 공간과 임무 요구사항을 체계적인 메타모델로 형식화하기 위해.
• 오프더쇼프 도구를 사용한 의미론적 추론을 통해 자동 진단 및 적응을 가능하게 하기 위해.
• 실제 ROS 시스템에서 동적이고 임무 중심의 조건 하에서 프레임워크를 검증하기 위해.

제안 방법

• 프레임워크는 제어 아키텍처 구성의 가능한 모든 조합과 관련된 품질 요구사항을 표현하기 위해 형식적인 메타모델을 OWL 온톨로지로 표현한다.
• 컴ponent 간의 제약 조건과 종속 관계를 표현하기 위해 SWRL을 사용하여 의미론적 규칙를 인코딩하며, 이는 시스템 상태에 대한 자동 추론을 가능하게 한다.
• 시스템 상태의 일관성 여부를 검출하고 구성의 타당성을 검증하며, 런타임에 유효한 적응을 제안하기 위해 오프더쇼프 의미론적 추론기를 활용한다.
• 제어 컴포넌트, 통신 채널, 임무 목표를 의미적 실체로 모델링하여 기존 ROS 시스템과 통합한다.
• 시스템 상태와 임무 목표를 모니터링함으로써 런타임 적응을 유도하며, 추론기가 구성 변경을 제안하거나 적용한다.
• 두 가지 사례 연구를 통해 실제 ROS 시스템에서의 통합 및 적응 능력을 입증하였다: 이중 암 이동형 매니퓰레이터와 공장 내에서 이동하는 모바일 로봇.

실험 결과

연구 질문

• RQ1 ROS 기반 시스템에서 로봇 제어 아키텍처의 런타임 적응을 체계적으로 모델링하고 자동화할 수 있는가?
• RQ2 OWL과 SWRL을 사용한 의미론적 추론이 실행 중에 유효한 구성 변경을 진단하고 제안하는 데 효과적인가?
• RQ3 형식적인 메타모델이 복잡한 로봇 제어 시스템의 구성 공간과 품질 요구사항을 어느 정도 정확하게 포괄할 수 있는가?
• RQ4 변경되는 임무 목표 또는 구성 요소 장애 상황에서 실세계의 동적 환경에서 프레임워크는 어떤 성능을 보이는가?
• RQ5 저수준 코드 수정 없이도 다양한 로봇 시스템에 이 방법을 적용할 수 있는가?

주요 결과

• MROS 프레임워크는 작업 단계와 구성 요소 제약 조건이 변화하는 상황에서도 이중 암 이동형 매니퓰레이터의 동적 재구성을 성공적으로 수행하여 피라미드 구축 작업을 완료했다.
• 공장 내 이동 사례에서는 센서 고장과 환경 변화에 자동으로 대응하여 의미론적 추론을 통해 임무의 연속성을 유지했다.
• OWL/SWRL을 사용한 오프더쇼프 추론기를 활용함으로써 맞춤형 추론 엔진 없이도 효율적인 진단과 적응이 가능했다.
• 형식적인 메타모델은 제어 컴포넌트와 임무 목표 간의 복잡한 종속 관계를 포괄하여 일관되고 검증 가능한 구성 업데이트를 가능하게 했다.
• 수동적 적응 로직에 대한 의존도를 줄여 제어 아키텍처의 유지보수성과 확장성 향상을 이룩했다.
• 두 사례 연구 모두 의미론적 추론이 실생산 수준의 ROS 시스템에서 실시간 적응을 지원할 수 있음을 입증했다.