Explainable robotic plan execution monitoring under partial observability
Kısmi gözlemlenebilir ortamlarda açıklanabilir robotik plan yürütme
- Tez No: 711357
- Danışmanlar: PROF. DR. VOLKAN PATOĞLU, PROF. DR. ESRA ERDEM
- Tez Türü: Doktora
- Konular: Mekatronik Mühendisliği, Mühendislik Bilimleri, Mechatronics Engineering, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 163
Özet
Otonom bir sistemin hedefine ulaşabilmesi için başarılı bir plan oluşturulması gereklidir ancak bu çogu zaman yeterli değildir. Planın yürütülmesi sırasında beklenen ve gözlenen durumlar arasında çeşitli uyuşmazlıklar (örneğin, beklenmeyen harici olaylar, hedefte meydana gelen değişiklikler ya da robot parçalarının bozulmasından oluşabilecek farklılıklar) meydana gelebilir ve bu uyuşmazlıklar plan yürütmesinin başarısız olmasına sebep olabilir. Bu nedenle, otonom sistemler, bu tür uyuşmazlıklarla baş edebilmek için plan gözlemleme, hata tanısı ve yeniden planlama algoritmaları ile donatılmalıdır. Bu doktora tezinde, kısmi gözlemlenebilir ortamlarda da uygulanabilen genel bir plan yürütme algoritması öneriyoruz. Bu algoritma, durum tahmini, hata tanısı, açıklama oluşturma ve yönlendirilmiş yeniden planlama gibi özgün hibrit modüllere dayanmaktadır. Tahmin modülü, uyuşmazlık kontrolü için, kısmi gözlemlenen bir durumda yürütülen bir planın sonunda beklenen durumu tahmin eder. Hata tanısı modülü uyuşmazlıkları robot parçalarının bozuklukları ile açıklayabilen anlamlı hipotezler oluşturur. Literatürdeki metotlardan farklı olarak, önerilen hata tanısı modülü, daha önce oluşturduğu hipotezleri yeni gerçekleştirilen gözlemler ışığında gözden geçirebilmekte ve bu sayede yeni bilgiler elde edildikçe daha doğru açıklamalar oluşturabilmektedir. Yeniden planlama modülü, oluşturulan açıklamaları göz önünde bulundurarak, var olan bozuk parçaların kullanımından kaçınan yeni planlar oluşturur. Tüm otomatik akıl yürütme modülleri hibrit yapıda olup yüksek-seviye mantıksal akıl yürütme ile düşük-seviye olasılık tabanlı fizibilite kontrollerinin birleşmesinden oluşmaktadır. Deneysel değerlendirmelerde hibrit akıl yürütme modüllerinin plan yürütmesinin başarımını arttırdığı, çoklu mobil manipülatörlerin yer aldığı servis robotiği uygulamalarında gösterilmiştir. Ayrıca, önerilen plan yürütme algoritmasının başarımının ve uygulanabilirliğinin sistematik bir şekilde değerlendirilebilmesi için bir plan yürütmesi simülasyon algoritması öneriyoruz. Bu algoritma, dinamik olarak ilgili uyuşmazlıkların oluşturulmasına ve olası arızalar dikkate alınarak tüm plan yürütme senaryolarının simülasyonuna izin veren formal bir yönteme dayanmaktadır. Simülasyon algoritması, sadece farklı koşullara tabi plan yürütme algoritmalarını test etmek için değil, aynı zamanda farklı planların gürbüzlüğünü değerlendirmek için de kullanılabilir. Simülasyon algoritmamızın uygulamaları, servis robotiği ve bilişsel fabrika ortamlarında çoklu mobil robotlar kullanılarak gösterilmiştir.
Özet (Çeviri)
Successful plan generation for autonomous systems is necessary but not sufficient to guarantee reaching a goal state by an execution of a plan. Various discrepancies between an expected state and the observed state may occur during the plan execution (e.g., due to failure of robot parts) and these discrepancies may lead to plan failures. For that reason, autonomous systems should be equipped with execution monitoring algorithms so that they can autonomously recover from such discrepancies. We introduce a plan execution monitoring algorithm that operates under partial observability. This algorithm relies on novel formal methods for hybrid prediction, diagnosis and explanation generation, and planning. The prediction module generates an expected state after the execution of a part of the plan from an incomplete state, to check for discrepancies. The diagnostic reasoning module generates meaningful hypotheses to explain failures of robot parts. Unlike the existing diagnosis methods, the previous hypotheses can be revised, based on new partial observations, increasing the accuracy of explanations as further information becomes available. The replanning module considers these explanations while computing a new plan that would avoid such failures. All these reasoning modules are hybrid in that they combine high-level logical reasoning with low-level feasibility checks based on probabilistic methods. We experimentally show that these hybrid reasoning modules improve the performance of plan execution monitoring in service robotics applications with multiple bimanual mobile robots. To evaluate the performance and to understand the applicability of the proposed execution monitoring algorithm, we introduce an execution simulation algorithm. This algorithm is based on a formal method that allows generation of dynamic and relevant discrepancies, and simulation of all possible plan execution scenarios considering potential failures. This simulation algorithm can be used not only for testing execution monitoring algorithms subject to different conditions, but also to evaluate the robustness of plans. We illustrate these applications of our simulation algorithm in service robotics and cognitive factory settings with multiple mobile robots.
Benzer Tezler
- İnovasyon ve işsizlik ilişkisinin yapay zeka ile analizi: 1985-2020 dönemi için G7 ülkeleri örneği
The relationship between innovation and unemployment analyzed via artificial intelligence: the case of G7 countries for the period 1985-2020
MASOUD SHEIKHI
- Implementation of a liquid neural network control system for multi-joint cyber physical arm
Sıvı sinir ağı kontrol sisteminin çok eklemli siber-fiziksel kol için uygulanması
MICHAEL BIDOLLAHKHANI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FERHAT ATASOY
DR. ÖĞR. ÜYESİ ABDELLATEF HAMDAN
- Explainable deep learning: A Study on understandinglearning process of convolutional neural networks withinformation theory
Başlık çevirisi yok
YUSUF ASLAN
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolLoughborough University - Explainable recommendations using extracted topics from item reviews and word matching
Açıklamalı önerilerin kullanıcı yorumlarından çıkarsanan kelimeler ve kelime eşleme ile üretimi
MERT TUNÇ
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HANDE ALEMDAR
- Explainable and context-aware machine learning for common and imbalanced atmospheric forecasting
Açıklanabilir ve bağlamsal farkındalık sahibi makine öğrenmesi yaklaşımları ile yaygın ve ekstrem atmosferik tahmin
ALİ ULVİ GALİP ŞENOCAK
Doktora
İngilizce
2024
İnşaat MühendisliğiOrta Doğu Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA TUĞRUL YILMAZ
