Interactive Robot Transition Repair With SMT
Interactive Robot Transition Repair With SMT
复制标题
采用 SMT 的交互式机器人过渡修复
DOI：
--
复制
发表时间：
2018
期刊：
影响因子：
--
通讯作者：
Joydeep Biswas
中科院分区：
文献类型：
--
作者：
Jarrett Holtz;Arjun Guha;Joydeep Biswas
复杂的机器人行为通常被构造为
状态机，其中状态封装动作
以及状态之间切换的转换函数。
由于转变取决于物理参数，
当环境发生变化时，机器人专家必须
煞费苦心地重新调整工作参数
新环境。我们推出交互式 SMT-
基于机器人转换修复（SRTR）：代替
手动调整参数，我们要求机器人专家识别机器人所处的几个实例
处于错误的状态以及正确的状态应该是什么
是。转换函数的自动分析 1) 识别可调整参数，2) 将转换函数转换为逻辑约束系统，3) 制定约束
以及用户提供的修正作为 MaxSMT 问题，产生新的参数值。我们展示
SRTR 找到新参数 1) 快速，2)
几乎没有修正，3）参数
推广到新场景。我们还表明
SRTR 校正状态机的性能优于
更复杂、经过专家调整的状态机。
Complex robot behaviors are often structured as
state machines, where states encapsulate actions
and a transition function switches between states.
Since transitions depend on physical parameters,
when the environment changes, a roboticist has to
painstakingly readjust the parameters to work in
the new environment. We present interactive SMT-
based Robot Transition Repair (SRTR): instead of
manually adjusting parameters, we ask the roboticist to identify a few instances where the robot is
in a wrong state and what the right state should
be. An automated analysis of the transition function 1) identifies adjustable parameters, 2) converts the transition function into a system of logical constraints, and 3) formulates the constraints
and user-supplied corrections as a MaxSMT problem that yields new parameter values. We show
that SRTR finds new parameters 1) quickly, 2)
with few corrections, and 3) that the parameters
generalize to new scenarios. We also show that
a SRTR-corrected state machine can outperform a
more complex, expert-tuned state machine.
Tortoise：交互式系统配置修复
DOI：
10.1109/ase.2017.8115673
发表时间：
2017
期刊：
Proceedings of the 32nd IEEE/ACM International Conference on Automated Software Engineering (ASE
影响因子：
--
作者：
Weiss, Aaron;Guha, Arjun;Brun, Yuriy
通讯作者：
Brun, Yuriy