Correct Reactive High-Level Robot Control阅读报告.ppt

滚动时域框架的正确性依赖于离散状态的偏序关系。如下图，将所有的状态划分到互不相交的子集中。目标状态为W0中的V10。假设初始状态为V0，机器人将计算它的下一个可达状态，直至到达目标状态V10 s[t+1] = A*s[t] + B*u[t] + E*d[t],u[t]∈U ,d[t] ∈D,s[0] ∈S S为连续状态空间的集合 U为控制信号的集合 E为外部干扰信号的集合 公式表示通过关于t时刻的状态来求出t+1时刻的状态 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * Correct , Reactive ,High-Level Robot ControlMitigating the State Explosion Problemof Temporal Logic Synthesis缓解时序逻辑合成的状态空间爆炸问题 主要涉及的知识背景： 1、自动机 2、LTL线性时序逻辑，克里普克结构 3、多层次的协同方法 4、模拟与互模拟 5、抽象的粒度 6、滚动时域框架 综述： 本文通过以美国国防部高级研究计划局举办的城市挑战赛为例引机器人控制中存在的问题，进而介绍模拟和互模拟来保证抽象的解决方案与连续执行的一致性。但是，同时导致计算复杂度加大，文中主要介绍抽象粒度和状态空间的关系，并介绍了解决状态空间爆炸的方法： 1、使用粒度大的抽象，并将任务分解成互不相交的四个自动机以进一步降低复杂度； 2、使用粒度小的抽象，使用滚动时域框架来降低复杂。 Robots these days feature a tight interplay between computational and physical components. 现今，机器人的计算和物理部件之间有着紧密的相互作用。 举例：DARPA Urban Challenge 在城市挑战赛中，参赛车辆需要在全自动控制下， 在模拟城市的场景中识别静/动态的障碍物，执行不同的任务（如在不同路况的环境中，在遵守当地交通法规的前提条件下完成驾驶，泊车，到达指定地域等操作）。 在执行这些任务的同时，智能车也许满足底层物理部件和实际动作的局限性（如，不可能达到超出发动机的极限的速度，不可能实现瞬间的大角度转弯）。 因此，关于控制车辆行为的高层逻辑需要适当的集成到底层的控制器中。 现存在的问题： 系统是通过某种特定的方法将计算和物理部件紧密耦合在一起。即使单个部件通过大量的测试和形式化验证满足正确性，但是，整个系统的复杂度已经超出了形式化验证的承受能力，同时迫使人们放弃大部分的测试。 如在2007年参加城市挑战赛的车辆”Alice”在研发期间经过了上千小时的模拟和300英里的现场测试。但是一旦发现一个问题未覆盖到再修改底层的特定设计是不可能的。最终导致取消Alice的挑战资格。 因此，要想实现智能车和机器人的自主调度，需要经过形式化验证并设计期结构合理的嵌入式控制器。并使用形式化语言(如LTL)说明规范，以说明其在所有有效环境参数下的行为。 一、实施上述方案的通常步骤为： 1、构造一个基于底层物理系统的有穷状态的抽象 2、制定满足高层逻辑规范的自动机控制策略。 二、上述的步骤导致控制机构的分层（类似于混合型系统） 1、高层离散的事件 2、底层控制器连续的执行。 三、模拟和互模拟验证了连续的执行确保了离散事件的正确性。但是上述的方法将导致庞大的计算复杂度。 四、为此，文章描述了两种缓解状态空间爆炸的方法 1、coarse abstraction 基于低层控制器，通过RNDF和MDF文件，考虑所有可能的情况，以及相应的操作。 2、fine-abstraction 使用滚动时域的方法，对未来较短时间段的事件作出预判，并根据实时感受器接收到的信息对控制信息进行修正。 Background: 我们先将问题抽象成离散的时间，再在物理层面上对于机器人的动作和反应生成连续的控制。 为了方便进步的论述，这里先介绍几个基础的背景知识。 这个自动机表示了一个机器人控制问题的离散事件。 传感器的信息对应了六元组的输入字母表，机器人的动作和反应对应输出字母表。 1、automata 这里我们使用自动机的概念并不是太贴切，因为我们并没有定义通常的接收状态。更精确的说应该是”Kripke Structure”。 1、 是有穷状态集 2、 为初始状态集 3、 是输入字母表 4