基于行为树模型的电动汽车电池组件分类机器人系统框架

针对回收电动汽车电池时必须拆卸和分类电池组件的问题,提出了一种实现电动汽车电池组件半自动化拆卸和分类的移动机器人系统。该系统利用行为树模型来执行认知和监控任务,以模块化的方式集成不同的机器人能力,如导航、目标跟踪、运动规划和抓取。在静态和动态环境下对该系统框架进行了仿真测试,并根据机器人完成任务的时间和成功率对其进行评估。结果表明:机器人在静态和动态环境下完成电池组件分类任务的平均时间分别为51.63min和83.09min,总体成功率分别为95%和82%,验证了所提机器人系统的有效性,具有高效率和高成功率的性能。

基于行为树模型的Android应用GUI自动随机测试方法

基于马尔可夫链等统计模型进行GUI测试是目前最有效的GUI自动化测试方法之一,但目前的方法在开始测试前需要很多前置条件,且要花费大量时间做静态分析等准备工作,从而导致测试效率和自动化水平不高。提出一种基于行为树的GUI自动化随机测试方法,该方法不需要进行静态分析,只需通过统计模型从用户使用日志中创建行为树模型,且可以动态地对行为树模型进行更新,以增加用户很少或从未使用过的事件的概率。对三种开源Android应用程序的评估,以及和其他GUI自动测试方法的比较结果显示:提出的Android应用GUI自动化随机测试方法具有很好的效果。