[论文解读] On reverse-engineering the KUKA Robot Language

Henrik Mühe, Andreas Angerer+2 more|arXiv (Cornell University)|Sep 25, 2010

Embedded Systems Design Techniques参考文献 8被引用 24

一句话总结

本文在可扩展的机器人API之上，实现了对KUKA机器人语言（KRL）的逆向工程实现，支持遗留KRL代码的执行，同时利用通用编程语言的灵活性与安全性。开发了两种解释器——基于树的解释器和基于字节码的解释器，后者在Java中实现的执行速度最高提升六倍，在C语言中最高提升300倍，证明了在工业机器人应用中高效且可扩展的KRL执行方案。

ABSTRACT

Most commercial manufacturers of industrial robots require their robots to be programmed in a proprietary language tailored to the domain - a typical domain-specific language (DSL). However, these languages oftentimes suffer from shortcomings such as controller-specific design, limited expressiveness and a lack of extensibility. For that reason, we developed the extensible Robotics API for programming industrial robots on top of a general-purpose language. Although being a very flexible approach to programming industrial robots, a fully-fledged language can be too complex for simple tasks. Additionally, legacy support for code written in the original DSL has to be maintained. For these reasons, we present a lightweight implementation of a typical robotic DSL, the KUKA Robot Language (KRL), on top of our Robotics API. This work deals with the challenges in reverse-engineering the language and mapping its specifics to the Robotics API. We introduce two different approaches of interpreting and executing KRL programs: tree-based and bytecode-based interpretation.

研究动机与目标

• 在现代、可扩展的软件架构上实现遗留KUKA机器人语言（KRL）程序的执行。
• 在专有的KRL与通用机器人API之间弥合语义鸿沟，同时保留运动命令的实时行为。
• 开发一种轻量级、可扩展的KRL实现，支持并发、中断和触发器等关键功能。
• 从性能和可扩展性角度，评估并比较两种不同的解释方法——基于树的解释与基于字节码的解释——在KRL执行中的表现。
• 为未来扩展KRL功能（如多机器人同步和复杂触发逻辑）奠定基础。

提出的方法

• 通过官方文档和使用KUKA.OfficeLite进行的实证测试，逆向分析KRL语法与语义，重构其语法结构。
• 设计基于抽象语法树（AST）的树形解释器，支持丰富的调试功能与良好的可扩展性。
• 实现基于字节码的解释器，将KRL编译为紧凑且缓存友好的指令集，以提升执行效率。
• 将两种解释器与机器人API集成，将KRL命令（如运动、I/O）映射到实际机器人控制器操作。
• 采用基于栈的线程模型，模拟KRL的中断与触发机制，实现在无需显式线程挂起的情况下支持并发执行。
• 使用标准KRL基准测试程序，在不同平台上对性能进行基准测试，比较基于Java的树形解释器与字节码解释器的执行速度。

实验结果

研究问题

• RQ1 仅通过文档和运行时实验，能否准确逆向工程KUKA机器人语言（KRL）？
• RQ2 在执行KRL程序时，基于树的解释器与基于字节码的解释器在性能和可维护性方面有何差异？
• RQ3 KRL的语义，特别是其并发模型，能在多大程度上被忠实模拟在通用API（如机器人API）之上？
• RQ4 是否能通过现代、可扩展的软件架构，高效且安全地执行遗留KRL代码？
• RQ5 在实时机器人控制目标下，不同解释方法之间的性能权衡如何？

主要发现

• 在所有测试平台（Windows、Linux、macOS）上，Java环境下的字节码解释器执行速度比基于树的解释器快约六倍。
• C语言优化的字节码解释器原型性能最高达到Java版树形解释器的300倍，证明了低级编译带来的显著性能提升。
• 仅通过官方手册和运行时实验，成功重构了逆向工程的KRL语法，证明了在无源代码访问条件下进行语言逆向工程的可行性。
• 机器人API成功抽象了机器人特定操作（如运动、I/O），实现了KRL程序在不同控制器间的安全、可移植执行。
• 基于栈的线程模型正确模拟了KRL的中断与触发行为，支持嵌套和并发执行，且无需显式同步原语。
• 解释器设计具备可扩展性，可在未来集成新的KRL功能，如复杂触发逻辑与多机器人协同。