利用流程挖掘分析机器人系统及评估基于代理的仿真模型表面效度

### 利用流程挖掘分析机器人系统及评估基于代理的仿真模型表面效度 在当今科技发展的浪潮中，机器人系统和仿真模型在各个领域的应用愈发广泛。本文将围绕利用流程挖掘技术对机器人系统进行分析，以及通过流程挖掘检测异常值来评估基于代理的仿真模型表面效度这两个重要方面展开探讨。 #### 机器人系统的流程挖掘分析 在机器人系统的分析中，我们运用了TALE方法生成的多视角事件日志，从控制流和空间两个视角进行深入剖析。为了实现这一目标，我们专门开发并使用了一款流程挖掘工具，它能够执行分析任务，并以图形化的方式展示得到的直接跟随图（DFG）和3D图。 ##### 控制流分析 借助TALE方法生成的事件日志，我们可以运用流程挖掘技术对机器人的任务进行分析。以无人机执行为例，通过分析发现其执行过程如下： - 无人机首先执行“起飞”活动，随后进入“探索”阶段。在探索过程中，它会进行导航并寻找杂草。 - 当识别到杂草时，会触发“发现杂草”事件，并通过“杂草位置消息”通知拖拉机。 - 收到拖拉机的响应后，进入“拖拉机位置状态”，并选出离杂草最近的拖拉机，然后重新开始探索。 - 当检测到“低电量”状态时，无人机执行“返回基地”和“降落”活动。 值得注意的是，提取的流程显示无人机从未执行“场地清理”活动，这意味着它未能探索整个场地。不过，控制流分析表明机器人的运行符合预期，没有出现错误行为。但为了更好地理解为何流程中缺少预期活动，还需要检查系统的其他视角，如空间视角。 ##### 空间分析 空间分析通过3D图表来反映活动的空间视角。TALE工具从事件日志中提取机器人的空间位置信息。以一个10×10米的场地为例，对系统的70次执行进行分析，结果显示无人机的“探索”活动（以红色菱形表示）在任何情况下都未能覆盖整个预定场地。 具体来说，无人机总是从基站起飞并开始场地导航，在导航过程中会发现一些杂草并报告给拖拉机。虽然这一行动序列在控制流分析中已得到验证，但空间的3D分析有助于我们发现系统中更多潜在的错误。例如，尽管无人机正确执行了所需活动，但它无法探索大部分场地，这可能是由于编程错误导致机器人导航不正确，也可能是系统开发者高估了机器人的能力，如单架无人机可能不足以探索整个场地，或者两台拖拉机的响应速度过慢，无法满足无人机的需求。 此外，我们还利用工具对事件日志进行过滤，分析单个案例。在一个选定的案例中，无人机起飞并开始探索，期间发现了11株杂草。但在某一时刻，无人机发现杂草后未收到响应，便持续发送周期性消息以触发拖拉机。在此闲置状态下，无人机电池耗尽，最终成功返回基站并降落。这个案例凸显了机器人协作方面的问题，拖拉机响应的缺失导致无人机暂停导航并持续发送消息，不仅阻碍了其发现其他杂草，还加速了电池消耗。 #### 相关工作 在机器人系统行为分析领域，存在多种不同的技术和方法。 - **现场测试方法**：分析现实世界中的机器人在不同环境设置下的行为，但这种方法无法详细分析机器人行为，用户只能可视化系统执行情况，难以了解导致特定情况的具体活动，且需要持续检查执行状态，耗时且易出现人为错误。 - **仿真环境方法**：以更经济、安全和可重复的方式分析机器人行为，但同样存在无法详细分析行为的问题。 - **日志记录和回放方法**：收集系统运行期间的日志以重现整个系统行为，也存在类似的局限性。 - **形式化方法**：用于指定、验证和确保机器人系统的正确性，但由于机器人系统的复杂性，会导致著名的状态空间爆炸问题。 在流程挖掘领域，近年来有许多工作将其应用于机器人系统的分析和诊断。然而，现有的工作面临着系统生成的大量低粒度数据的挑战。为了解决数据粒度问题，需要从低级别事件日志中抽象出高级别事件日志。在这方面，标记低级别事件日志的方法在克服无监督学习技术的一些局限性方面更为有效，但在机器人系统中，由于低级别事件可能用于执行不同活动，静态标记低级别事件并不可行。而TALE方法允许领域专家在系