Editorial: Robotics software engineering

Federico Ciccozzi

doi:10.3389/frobt.2025.1686496

Editorial: Robotics software engineering

2025-09-30

0

OA

AI

Christopher M. Timperley

DOI：10.3389/frobt.2025.1686496

原文链接

查看原文

摘要

En 中文

编辑ials：机器人软件工程机器人软件工程处于多个学科的交汇点；物理与动态和不确定环境的互动加剧了传统软件挑战的复杂性。随着机器人在制造、医疗、运输和探索等领域变得不可或缺，它们必须展现出高度的自主性、适应性、鲁棒性和安全性。实现这些品质不仅需要算法和硬件的技术突破，还需要建立在针对机器人独特需求定制的软件工程原则上。机器人本质上涉及多学科集成：导航、运动规划、操作、感知、控制和人机交互必须在一个连贯的软件框架内协同。构建此类系统需要各领域专家之间的精心协调；他们的贡献必须可靠地互操作，通常在实时环境下进行。进一步的挑战来自于在部分可观察、动态且有时对抗性的环境中运行；这使得确保正确性、安全性和恢复力的重要性倍增。这一研究主题“机器人软件工程”汇集了旨在解决该领域基础和新兴挑战的多样化贡献。与其呈现一篇简单的文章目录，本编辑ials旨在将这些工作置于塑造机器人软件未来的更广泛主题中。将严谨性引入机器人：基于模型的工程和形式化方法随着机器人应用变得更具安全关键性，通过形式化验证确保正确性不仅可取，而且必要。然而，由于创建模型和提取系统参数需要人工努力，形式化方法仍然难以应用。Lukas Dust及其在瑞典Mälardalen大学的同事直接应对这一问题，提出了一种用于ROS 2系统自动形式化验证的模型驱动方法。通过将模型转换管道与实际执行轨迹集成，这项工作展示了验证如何变得更加模块化、可重用，并且非专家也能访问。该工具链降低了严格分析的门槛，允许开发人员在不具备形式化方法专业知识的情况下，迭代评估关键系统属性（如时间和调度）。类似地，Ana Cavalcanti（英国约克大学）及其同事提出了RoboArch，这是一种建立在形式化DSL RoboChart之上的架构建模语言，通过提供可验证的架构抽象来推动该领域的发展。在核机器人等工业背景下应用时，RoboArch强调了模型驱动设计在弥合非正式软件实践和真实系统中形式化正确性的价值。适应性与可重用性的架构适应是机器人系统中的一个反复出现的主题，其中条件往往不可预测地变化。多项贡献探讨了自适应软件架构作为鲁棒性和长期自主性的关键使能器。ROSA，由Gustavo Rezende Silva（荷兰代尔夫特理工大学TU Delft）及其同事提出的一种知识驱动机器人自适应框架，体现了这一方向。它通过结构化模型捕获特定于应用的知识，并在运行时对其进行推理，以指导任务执行和架构配置——这是一种在机器人领域很少涉及的协同适应能力。作为补充，Esther Aguado（西班牙马德里理工大学）关于本体论赋能自主性的综述考察了语义知识和推理如何改善开放环境中机器人的行为。通过分析本体在故障恢复、任务规划和行为选择中的使用趋势，该文章强调了结构化、声明性知识如何促进更具可解释性和可靠的自主性。Sven Schneider（德国波恩-莱茵- Sieg应用科学大学和比利时鲁汶天主教大学KU Leuven）及其同事的贡献“机器人求解器算法的语义组合”介绍了一种可组合的、基于图的方法论用于算法综合。通过利用语义网标准，作者们实现了求解器代码在从运动学到概率推理的应用领域中的重用和符号生成。这些发展推动了该领域朝着不仅自适应自身而且能解释其逻辑的软件方向发展，这是实现协作和值得信赖的机器人的关键一步。通过早期验证和测试提高软件质量传统的调试和验证方法对机器人来说是不充分的；运行时发现的错误可能导致昂贵的损坏或不安全行为。因此，早期和自动化验证至关重要。通过EzSkiROS，Momina Rizwan（瑞典隆德大学）及其同事使用嵌入式领域特定语言（DSLs）应对这一问题，从而能够在机器人技能组合中实现早期错误检测。通过在设计部署阶段嵌入检查，该方法在执行期间表现之前捕获高层合同违规和低层实现错误。验证管道中的这一“左移”缩短了调试循环并提高了整体安全性。在部署管道的另一端，Marcela G. dos Santos（加拿大 Chicoutimi 魁北克大学）及其同事通过AAT4IRS引入了一种用于工业机器人系统自动化验收测试的新框架。基于行为驱动开发原则，该方法使用自然语言来指定测试场景，从而实现工程师和利益相关者之间的跨职能协作。变异测试结果显示出强大的故障检测能力，表明该框架在高风险工业环境中的实际效用。基于模拟的测试也受到关注。尽管其潜力巨大，但由于场景定义的复杂性，它仍然未被充分利用。为解决这一问题，Argentina Ortega（德国不来梅大学和波鸿鲁尔大学）及其同事的文章提出了一种可组合的场景框架，用于在虚拟环境中测试移动机器人。通过使开发人员能够逐步构建和重用复杂场景，该方法在提高测试覆盖率和配置错误检测的同时降低了开销。基础和基础设施：语言、模式与性能机器人软件的基础设施必须高效、可靠且可扩展。多项贡献探讨了基础方面，包括运行时模式、数据结构和能耗。Maria I. Artigas（比利时鲁汶天主教大学和Flanders Make）及其同事的研究介绍了软件协调模式（如获取-释放和缓存意识）以及Petri网和有限状态机等数据结构，以支持实时任务执行。提议的运行时基础设施将事件触发与处理分离，便于分布式部署，并实现跨多个机器人的协同一致协调。Michel Albonico（巴西巴拉那联邦理工大学）及其同事的贡献解决了一个日益重要的问题——能效，通过比较用C++和Python编写的ROS 2节点的资源使用情况。实证结果证实，C++在能耗方面优于Python，特别是在高频通信任务中，为开发人员优化电池供电或资源受限平台提供了有价值的指导。容器化也作为一种有前景的策略出现，用于可扩展集成。Giuseppe Cotugno（英国 Ocado Technology）及其同事提出了一种容器化方法用于多形态机器人架构，展示了虚拟化如何在不影响性能的情况下简化第三方组件集成。在一个真实世界的工业机器人中进行评估后，该方法表明，现代软件工程实践（如容器化）可以成功地适应机器人，在保持实时保证的同时减少设置复杂性。迈向成熟的机器人软件工程学科综合来看，本研究主题中的文章反映了一个快速成熟的领域——寻求的不仅是解决机器人问题的功能性方案，还有原则性、可重用和可验证的工程实践。从架构建模到能效感知编程，从基于场景的测试到自适应性推理，每一项贡献都涉及更广泛挑战的一个方面：如何构建不仅智能，而且值得信赖、可维护并准备好部署于真实世界的机器人系统。本研究主题促进了学术界与工业界、理论严谨性与实际部署之间的协同。它邀请社区进一步探索机器人软件开发中的基础问题，如变异性、模块化、可重用性、验证和自动化。随着机器人越来越多地共享我们的空间和任务，对其软件的稳健工程的重要性只会增长。我们希望这些贡献能激发持续的创新和跨学科合作，在构建鲁棒且可靠的机器人系统的征程中。

Editorial: Robotics software engineering

摘要

AI总结

期刊

机构

引用论文