programmable logic controller
PulseAugur coverage of programmable logic controller — every cluster mentioning programmable logic controller across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
AI 以极少资源学会攻击工业控制器
研究人员演示了一个AI模型能够以极少的资源学会利用可编程逻辑控制器（PLC）中的漏洞。仅花费 536 美元和 8 小时，该AI就成功识别并执行了针对特定类型PLC的攻击，凸显了工业控制系统安全日益增长的担忧。
-
过时的数据架构阻碍了制造AI的推广
由于依赖延迟和汇总信息而非实时机器数据的过时数据架构，制造运营正面临“AI就绪差距”。尽管在ERP现代化、工业4.0和AI方面进行了大量投资，但许多AI计划因使用事件发生后才汇总的数据而表现不佳。转向以机器为中心的数据架构，直接从设备捕获连续的运营数据流，对于AI的有效性以及提供关于生产质量、效率和成本的准确见解至关重要。
-
SemaPLC：AI 代理工具通过编译和运行时执行验证 PLC 代码
研究人员开发了 SemaPLC，这是一种新颖的代理工具，旨在利用 AI 改进可编程逻辑控制器 (PLC) 代码的生成和验证。该系统通过集成外部编译和实时运行时执行进行严格验证，超越了简单的代码生成。SemaPLC 在独立任务上实现了 72.6% 的验证通过率，并在动态运行时行为方面表现出优于基线方法的性能，突显了基于执行的测试对于控制逻辑的重要性。
-
新验证方法可检测工业控制器中隐藏的恶意逻辑
研究人员开发了一种新的形式化验证方法，称为 ESBMC-LLB，用于检测隐藏在可编程逻辑控制器 (PLC) 程序中的恶意逻辑，即梯形逻辑炸弹 (LLBs)。该方法利用 ESBMC-PLC+ 验证引擎和一种新颖的建模层来暴露现有验证器通常会忽略的功能块逻辑。ESBMC-LLB 能有效地将炸弹检测重塑为形式化验证问题，能够识别非终止载荷和执行器伪造载荷。该系统在公共数据集上展示了高检测率，在识别自适应触发器和提供炸弹缺席的稳健证明方面优于其他方法。
-
新工具可对工业PLC梯形图程序进行形式化验证
研究人员开发了ESBMC-PLC和Graph-ESBMC-PLC，这是用于形式化验证以IEC 61131-3梯形图（LD）格式编写的工业控制程序的新工具。这些工具将图形化LD程序转换为可由基于SMT的模型检查器处理的中间表示，填补了现有验证方法的空白。该系统已在各种基准测试中进行了评估，证明了它们在高效时间范围内正确分类程序、发现错误和提供证明的能力。
-
用户质疑包裹分拣人形机器人的计算来源
一位Mastodon用户正在询问最近看到的用于分拣包裹的人形机器人的计算需求。他们好奇这些机器人的智能和操作能力是自包含的还是依赖于外部云服务，并将其与使用可编程逻辑控制器（PLC）且仅依靠本地供电运行的简单工业机器人进行了比较。