← 返回论文列表

基于搜索的笔记本电脑翻新机器人软件的健壮性测试
Search-based Robustness Testing of Laptop Refurbishing Robotic Software

作者: Erblin Isaku, Hassan Sartaj, Shaukat Ali 等5人
arXiv: 2605.07530v1
分类: cs.RO, cs.SE
📝 论文摘要
丹麦技术研究所（DTI）专注于将先进技术（包括机器人）向工业界和公共部门转移。其关键应用之一是使用专用机器人翻新笔记本电脑，旨在促进再利用、减少电子废弃物，并支持欧洲循环经济行动计划。此类机器人的软件通常包含使用目标检测模型的功能，用于检测各类物体，例如识别笔记本电脑拆卸过程中的螺丝或检测需要移除的贴纸。确保此类模型对微小输入变化的鲁棒性仍是关键挑战，解决该问题对于避免翻新过程中对笔记本电脑造成潜在损坏至关重要。本文提出PROBE——一种基于搜索的鲁棒性测试方法，利用多目标优化识别最小化、局部化的扰动，以暴露笔记本电脑翻新机器人软件中所用目标检测模型的故障。PROBE采用NSGA-II系统性地探索扰动空间，在同时考虑定位置信度与扰动幅度的条件下优化故障触发，并支持发现多样化的故障案例。结果表明，PROBE生成故障诱导扰动的效率是随机搜索的3至7倍，且所需扰动幅度更小，生成的扰动可在不同模型间迁移。我们进一步证明，蜕变关系可为模型鲁棒性提供额外洞察，即使在非故障情况下也能评估模型稳定性。

📊 核心分析

🎯 研究动机
- 解决**笔记本电脑翻新机器人** 软件中**目标检测(object detection)模型** 对微小输入变化的**鲁棒性(robustness)** 测试问题 - 确保模型在翻新过程中避免对笔记本电脑造成潜在损坏，支持**欧洲循环经济行动计划** - 现有方法在系统化生成最小、局部化扰动以暴露故障方面效果不足
🔧 核心方法
- 提出**PROBE**，一种基于**搜索的鲁棒性测试(search-based robustness testing)** 方法 - 采用**NSGA-II** 多目标优化算法系统探索扰动空间，优化目标包括**故障诱导(failure induction)** （同时考虑定位和置信度）与**扰动幅度(perturbation magnitude)** - 利用**蜕变关系(metamorphic relations)** 在非故障情况下评估模型稳定性
💡 核心创新
- **多目标优化(multi-objective optimization)**：首次将NSGA-II应用于翻新机器人软件的目标检测模型鲁棒性测试，平衡故障诱导与扰动幅度 - **最小局部化扰动(minimal localized perturbations)**：生成比随机搜索幅度更小的有效扰动，效率提升3-7倍 - **跨模型迁移性(transferability)**：生成的扰动可在不同模型间迁移，增强测试的通用性 - **蜕变关系分析**：提供非故障情况下的鲁棒性额外洞察，超越传统故障暴露测试
🏆 总体贡献
- 为**工业机器人软件** 的**鲁棒性测试(robustness testing)** 提供了一种系统化、高效的**基于搜索的测试(search-based testing)** 框架 - 在故障诱导效率上显著优于随机搜索，并保持更小的扰动幅度，具有实际应用价值 - 通过蜕变关系扩展了鲁棒性评估范围，支持在非故障场景下评估模型稳定性 - 有助于提高**笔记本电脑翻新(laptop refurbishment)** 自动化过程的可靠性与安全性，推动**循环经济(circular economy)** 目标