[论文解读] Dealing with Run-Time Variability in Service Robotics: Towards a DSL for Non-Functional Properties

Juan F. Inglés-Romero, Alex Lotz+2 more|arXiv (Cornell University)|Jan 1, 2012

Advanced Software Engineering Methodologies参考文献 21被引用 24

一句话总结

本文提出一种领域特定语言（VML），用于在服务机器人中建模运行时可变性，重点关注安全性、效率和能效等非功能性属性。该语言使设计者能够在设计阶段指定可配置参数（变异点）和自适应规则，机器人在运行时通过约束求解动态解析这些规则，显著提升了在开放环境中的任务执行质量，而无需预先枚举所有可能场景。

ABSTRACT

Service robots act in open-ended, natural environments. Therefore, due to combinatorial explosion of potential situations, it is not possible to foresee all eventualities in advance during robot design. In addition, due to limited resources on a mobile robot, it is not feasible to plan any action on demand. Hence, it is necessary to provide a mechanism to express variability at design-time that can be efficiently resolved on the robot at run-time based on the then available information. In this paper, we introduce a DSL to express run- time variability focused on the execution quality of the robot (in terms of non-functional properties like safety and task efficiency) under changing situations and limited resources. We underpin the applicability of our approach by an example integrated into an overall robotics architecture.

研究动机与目标

• 解决服务机器人在开放、不可预测环境中运行时可变性管理的挑战。
• 通过将可变性规范与即时配置解耦，降低设计阶段的复杂性，避免因预定义场景组合爆炸。
• 基于安全性、能耗和任务效率等非功能性属性，实现基于上下文的动态、上下文感知的机器人行为自适应。
• 通过形式化建模语言，实现任务规划与服务质量优化之间的关注点分离。

提出的方法

• 使用扩展巴科斯范式（EBNF）语法定义可变性建模语言（VML），以指定类型、变量、上下文、变异点和自适应规则。
• 将非功能性属性（如安全性、能耗、性能）建模为变异点的函数，其值通过数学表达式和单位表示。
• 通过不变量和蕴含关系定义自适应规则，基于当前上下文和系统状态约束变异点的绑定。
• 将VML模型转换为MiniZinc（一种约束建模语言），由运行时约束求解器执行。
• 该方法集成于分层机器人架构中，约束求解器与机器人的任务编排层交互，动态绑定变异点。
• 通过一个真实的咖啡配送场景验证该方法，以速度作为变异点，在安全性、能耗和交付时间约束下实现优化。

实验结果

研究问题

• RQ1 如何在设计阶段对服务机器人的运行时可变性进行建模，以支持无需全面预配置的动态自适应？
• RQ2 需要哪些形式化语言构造，才能以高效方式表达非功能性属性权衡（如安全性与效率）？
• RQ3 如何以模块化且可维护的方式实现任务执行与服务质量优化之间的关注点分离？
• RQ4 领域特定语言在可变性方面的应用，在多大程度上能提升开放机器人环境中系统的鲁棒性与性能？

主要发现

• VML语言成功使设计者能够表达复杂、上下文相关的非功能性属性（如安全性、能耗和任务效率）的自适应策略。
• 通过将变异点绑定推迟到运行时，该方法在保持系统在不可预测环境中高鲁棒性的同时，显著降低了设计阶段的复杂性。
• VML与MiniZinc及约束求解器的集成，实现了在动态约束下高效、实时的最优配置求解。
• 在咖啡配送案例研究中，机器人根据电池电量、距离和期望咖啡温度动态选择速度，实现了速度、安全性和能耗之间的平衡。
• 该方法在真实机器人系统（机器人Kate）中验证了可行性，表明非功能性属性优化无需预先枚举所有场景即可实现。
• 该方法通过结构化建模支持可扩展性和验证，单位定义与归一化提升了模型的清晰度与正确性。