项目名称: 机器人运动学形式化分析及其算法验证

项目编号: No.61472468

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 自动化技术、计算机技术

项目作者: 施智平

作者单位: 首都师范大学

项目金额: 62万元

中文摘要: 机器人即将重复个人电脑崛起的道路,进入高速发展期。作为自主动作的机器,多数机器人是安全攸关系统,必须进行严格的正确性和安全性验证。传统的测试方法不能满足机器人安全性验证需求。国际上对机器人的形式化验证处于起步阶段,基于定理证明的运动学形式化分析尚属空白。本项目针对机器人的运动安全性需求研究基于旋量理论的运动学形式化分析与验证的理论和方法,包括研究旋量理论的高阶逻辑形式化表示并开发定理库;研究机器人运动学理论的形式化表示并开发定理库;研究基于雅可比矩阵的机器人运动特性形式化分析和验证方法;研究机器人运动规划算法的形式化分析和验证方法。本项目可望在基于旋量的运动机构安全性形式化证明理论和方法方面取得突破,填补我国在机器人形式化验证领域的空白。本项目研究成果有助于提高机器人系统设计的正确性和安全性,加快机器人开发速度,促进机器人产业更快更好地发展。

中文关键词: 形式化验证;定理证明;机器人;运动学;旋量

英文摘要: Robots are about to repeat the revolution of personal computers, entering the high-speed development period. As autonomous kinetic machines, most robots are safety-critical systems which must be verified strictly for security and correctness. The traditional testing methods cannot meet the demand of robot safety verification. The research on formal verification of the robot kinematics is in the initial stage, and the research on theorem proving based formal analysis of robot kinematics is still a blank. Aiming at demand of robot kinetic safety, this project researches theories and methods of formal analysis and verification for the screw theory based kinematics and motion planning of robots, include the following aspects: research on the high order logic formal description of the screw theory and development of its theorem library; research on the formalization of the robot kinematics and development of its theorem library; research on formal analysis and verification of robot motion properties based on the Jacobi matrix. Lastly, we will build a set of theories and methods of formal analysis and verification of security of motion mechanisms, and fill the gap of formal verification in the robot field. The research results will enhance to improve the correctness and safety of the robot system design, accelerate the speed of developing robots, therefore promoting faster and better development of robot industry.

英文关键词: Formal Verification;Theorem Proving;Robot;Kinematics;screw

成为VIP会员查看完整内容
3

相关内容

专知会员服务
13+阅读 · 2021年8月29日
专知会员服务
44+阅读 · 2021年5月24日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
专知会员服务
92+阅读 · 2021年1月24日
专知会员服务
29+阅读 · 2021年1月9日
【NeurIPS 2020】通过双向传播的可扩展图神经网络
专知会员服务
27+阅读 · 2020年11月3日
【ECAI2020】可扩展深度学习: 理论与算法,120页ppt
专知会员服务
27+阅读 · 2020年9月25日
专知会员服务
42+阅读 · 2020年7月29日
【人大】图实现算法综述与评测分析
专知会员服务
37+阅读 · 2020年4月28日
超图学习综述: 算法分类与应用分析
专知
0+阅读 · 2022年2月1日
智能合约的形式化验证方法研究综述
专知
15+阅读 · 2021年5月8日
事实抽取与验证研究综述
专知
0+阅读 · 2021年4月20日
【中科院计算所】图卷积神经网络及其应用
已删除
将门创投
12+阅读 · 2019年7月1日
【仿真】国内外CAE软件的差距及自主路
产业智能官
32+阅读 · 2018年12月20日
无人机集群对抗研究的关键问题
无人机
55+阅读 · 2018年9月16日
【无人机】无人机的自主与智能控制
产业智能官
47+阅读 · 2017年11月27日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月20日
Accurate ADMET Prediction with XGBoost
Arxiv
0+阅读 · 2022年4月15日
Arxiv
10+阅读 · 2020年6月12日
Arxiv
24+阅读 · 2018年10月24日
Arxiv
23+阅读 · 2018年10月1日
小贴士
相关VIP内容
专知会员服务
13+阅读 · 2021年8月29日
专知会员服务
44+阅读 · 2021年5月24日
基于生理信号的情感计算研究综述
专知会员服务
61+阅读 · 2021年2月9日
专知会员服务
92+阅读 · 2021年1月24日
专知会员服务
29+阅读 · 2021年1月9日
【NeurIPS 2020】通过双向传播的可扩展图神经网络
专知会员服务
27+阅读 · 2020年11月3日
【ECAI2020】可扩展深度学习: 理论与算法,120页ppt
专知会员服务
27+阅读 · 2020年9月25日
专知会员服务
42+阅读 · 2020年7月29日
【人大】图实现算法综述与评测分析
专知会员服务
37+阅读 · 2020年4月28日
相关资讯
超图学习综述: 算法分类与应用分析
专知
0+阅读 · 2022年2月1日
智能合约的形式化验证方法研究综述
专知
15+阅读 · 2021年5月8日
事实抽取与验证研究综述
专知
0+阅读 · 2021年4月20日
【中科院计算所】图卷积神经网络及其应用
已删除
将门创投
12+阅读 · 2019年7月1日
【仿真】国内外CAE软件的差距及自主路
产业智能官
32+阅读 · 2018年12月20日
无人机集群对抗研究的关键问题
无人机
55+阅读 · 2018年9月16日
【无人机】无人机的自主与智能控制
产业智能官
47+阅读 · 2017年11月27日
相关基金
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月20日
Accurate ADMET Prediction with XGBoost
Arxiv
0+阅读 · 2022年4月15日
Arxiv
10+阅读 · 2020年6月12日
Arxiv
24+阅读 · 2018年10月24日
Arxiv
23+阅读 · 2018年10月1日
微信扫码咨询专知VIP会员