[论文解读] Engineering the Hardware/Software Interface for Robotic Platforms - A Comparison of Applied Model Checking with Prolog and Alloy

Abdullah Al Mamun, Christian Berger+1 more|arXiv (Cornell University)|Jan 16, 2014

Model-Driven Software Engineering Techniques参考文献 8被引用 3

一句话总结

本文提出一种基于 Alloy 和 Prolog 的形式化模型检查方法，用于自动化机器人平台硬件/软件接口板的配置，特别是将传感器和执行器分配到有限引脚上。结果表明，Alloy 在快速查找可行配置方面表现优异（平均 0.58 秒），而 Prolog 在优化最佳解决方案方面表现更优（最大配置耗时 1.38 秒），为嵌入式机器人开发中的技术债务问题提供了可扩展的自动化解决方案。

ABSTRACT

Robotic platforms serve different use cases ranging from experiments for prototyping assistive applications up to embedded systems for realizing cyber-physical systems in various domains. We are using 1:10 scale miniature vehicles as a robotic platform to conduct research in the domain of self-driving cars and collaborative vehicle fleets. Thus, experiments with different sensors like e.g.~ultra-sonic, infrared, and rotary encoders need to be prepared and realized using our vehicle platform. For each setup, we need to configure the hardware/software interface board to handle all sensors and actors. Therefore, we need to find a specific configuration setting for each pin of the interface board that can handle our current hardware setup but which is also flexible enough to support further sensors or actors for future use cases. In this paper, we show how to model the domain of the configuration space for a hardware/software interface board to enable model checking for solving the tasks of finding any, all, and the best possible pin configuration. We present results from a formal experiment applying the declarative languages Alloy and Prolog to guide the process of engineering the hardware/software interface for robotic platforms on the example of a configuration complexity up to ten pins resulting in a configuration space greater than 14.5 million possibilities. Our results show that our domain model in Alloy performs better compared to Prolog to find feasible solutions for larger configurations with an average time of 0.58s. To find the best solution, our model for Prolog performs better taking only 1.38s for the largest desired configuration; however, this important use case is currently not covered by the existing tools for the hardware used as an example in this article.

研究动机与目标

• 解决机器人平台硬件/软件接口板配置过程中耗时且易出错的手动流程问题。
• 自动化识别嵌入式板上传感器和执行器的可行、所有可能以及最优引脚分配方案。
• 减少嵌入式机器人开发中因重复性手动配置任务导致的技术债务。
• 评估并比较声明式语言——Alloy 和 Prolog——在真实世界约束下解决复杂配置问题的性能表现。
• 将该方法推广至更广泛的商用现成（COTS）硬件/软件接口板中使用。

提出的方法

• 将硬件/软件接口配置空间建模为带引脚使用和复用约束的领域特定语言（DSL）。
• 将配置问题表示为引脚功能及其相互依赖关系的基于图的模型。
• 将该模型转化为 Alloy 和 Prolog 的等价声明式规格，以支持形式化验证与搜索。
• 应用模型检查解决三个用例：(1) 找到至少一个可行配置，(2) 找到所有可能的配置，(3) 基于成本（引脚复用度）找到最优配置。
• 使用成本函数（即每根引脚的多重使用次数）来指导优化，以提升未来可扩展性。
• 在真实示例中评估性能，使用 STM32F4 Discovery Board，引脚数最多达十个，可能的配置数超过 1450 万个。

实验结果

研究问题

• RQ1 使用 Alloy 和 Prolog 进行形式化模型检查，能否有效自动化搜索机器人硬件/软件接口板中的可行引脚配置？
• RQ2 在给定机器人配置下，Alloy 和 Prolog 在查找可行、所有可能及最优引脚配置方面的性能表现如何比较？
• RQ3 随着引脚数量和配置复杂度的增加，每种方法的可扩展性如何？
• RQ4 语义约束（如要求成对的发送/接收引脚）如何影响配置空间和解决方案效率？
• RQ5 该方法在多款 COTS 硬件平台上的通用性如何，能否有效减少嵌入式机器人系统中的技术债务？

主要发现

• Alloy 在查找可行解方面优于 Prolog，其在所有配置中的平均耗时为 0.58 秒，而 Prolog 的平均耗时更高。
• Prolog 在查找最优配置方面表现显著更优，最大配置耗时仅 1.38 秒，表明其在优化性能方面更优。
• 随着配置长度增加，Prolog 展现出更好的可扩展性，表现为性能指标的标准差更低。
• 配置空间的规模随引脚数量的增加而显著加快增长，远快于每根引脚功能数增加的影响，凸显了组合复杂性。
• 该模型具有良好的通用性，可适配其他 COTS 硬件/软件接口板，通过共享的文本领域模型支持配置的合并、连接和比较。
• 该方法通过自动化重复性高且易出错的手动任务，有效减少了技术债务，在配置时间与正确性方面实现了可测量的性能提升。