論文の概要: Workflow Automation for Cyber Physical System Development Processes
- arxiv url: http://arxiv.org/abs/2004.05654v1
- Date: Sun, 12 Apr 2020 17:32:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-14 05:31:48.113697
- Title: Workflow Automation for Cyber Physical System Development Processes
- Title(参考訳): サイバー物理システム開発プロセスのためのワークフロー自動化
- Authors: Charles Hartsell and Nagabhushan Mahadevan and Harmon Nine and Ted
Bapty and Abhishek Dubey and Gabor Karsai
- Abstract要約: サイバー物理システム(CPS)の開発には、多くの分野の専門知識を持つ開発者間の密接な相互作用が必要である。
複雑なCPS開発プロセスの自動化のためのワークフローモデリング言語を導入する。
保証ベースの学習対応CPSツールチェーンでこれらのモデルを実行するためのプラットフォームを実装した。
- 参考スコア(独自算出の注目度): 1.6735240552964108
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Development of Cyber Physical Systems (CPSs) requires close interaction
between developers with expertise in many domains to achieve ever-increasing
demands for improved performance, reduced cost, and more system autonomy. Each
engineering discipline commonly relies on domain-specific modeling languages,
and analysis and execution of these models is often automated with appropriate
tooling. However, integration between these heterogeneous models and tools is
often lacking, and most of the burden for inter-operation of these tools is
placed on system developers. To address this problem, we introduce a workflow
modeling language for the automation of complex CPS development processes and
implement a platform for execution of these models in the Assurance-based
Learning-enabled CPS (ALC) Toolchain. Several illustrative examples are
provided which show how these workflow models are able to automate many
time-consuming integration tasks previously performed manually by system
developers.
- Abstract(参考訳): サイバー物理システム(CPS)の開発は、パフォーマンスの向上、コスト削減、システムの自律性向上のために、多くの領域で専門知識を持つ開発者間の密接な相互作用を必要とする。
各エンジニアリング分野は一般的にドメイン固有のモデリング言語に依存しており、分析と実行は適切なツールで自動化されることが多い。
しかし、ヘテロジニアスモデルとツールの統合はしばしば欠如しており、これらのツールの相互運用の負担のほとんどはシステム開発者にある。
この問題を解決するために、複雑なCPS開発プロセスの自動化のためのワークフローモデリング言語を導入し、アシュアランスベースの学習対応CPSツールチェーンでこれらのモデルを実行するためのプラットフォームを実装した。
これらのワークフローモデルは、以前システム開発者が手動で実行した多くの時間を要する統合タスクを自動化することができることを示す、いくつかの例が提供されている。
関連論文リスト
- An Interactive Agent Foundation Model [50.50659114031731]
本稿では,AIエージェントを訓練するための新しいマルチタスクエージェントトレーニングパラダイムを用いた対話型エージェント基礎モデルを提案する。
トレーニングパラダイムは、視覚マスク付きオートエンコーダ、言語モデリング、次世代の予測など、多様な事前学習戦略を統一する。
私たちは、ロボティクス、ゲームAI、ヘルスケアという3つの異なる領域でフレームワークのパフォーマンスを実演します。
論文 参考訳(メタデータ) (2024-02-08T18:58:02Z) - On Augmenting Scenario-Based Modeling with Generative AI [1.4501446815590895]
モデリングプロセスの一環として,チャットボットのより安全で構造化された利用方法について概説する。
本稿では,モデルの自動解析を容易にするシナリオベースモデリング手法を提案する。
このアプローチの可能性を浮き彫りにした好適な予備結果について述べる。
論文 参考訳(メタデータ) (2024-01-04T12:58:25Z) - ProAgent: From Robotic Process Automation to Agentic Process Automation [87.0555252338361]
LLM(Large Language Models)は、人間のような知性を持つ言語である。
本稿では,ALMをベースとしたエージェントを用いた高度な自動化のための基盤的自動化パラダイムであるエージェントプロセス自動化(APA)を紹介する。
そして、人間の指示を駆使し、特殊エージェントの調整によって複雑な決定を下すように設計されたエージェントであるProAgentをインスタンス化する。
論文 参考訳(メタデータ) (2023-11-02T14:32:16Z) - A Graphical Modeling Language for Artificial Intelligence Applications
in Automation Systems [69.50862982117127]
学際的なグラフィカルモデリング言語で、すべての分野に理解可能なシステムとして、AIアプリケーションのモデリングを可能にすることは、まだ存在しない。
本稿では,システムレベルでの自動化システムにおけるAIアプリケーションの一貫した,理解可能なモデリングを可能にするグラフィカルモデリング言語を提案する。
論文 参考訳(メタデータ) (2023-06-20T12:06:41Z) - The GitHub Development Workflow Automation Ecosystems [47.818229204130596]
大規模なソフトウェア開発は、非常に協力的な取り組みになっています。
この章では、開発ボットとGitHub Actionsのエコシステムについて解説する。
この領域における最先端技術に関する広範な調査を提供する。
論文 参考訳(メタデータ) (2023-05-08T15:24:23Z) - The Case for a Wholistic Serverless Programming Paradigm and Full Stack
Automation for AI and Beyond -- The Philosophy of Jaseci and Jac [2.466612244988994]
私たちは、この複雑さのギャップを埋めるために、システムアーキテクチャを通して、プログラミング言語レベルからシステムスタックを再設計します。
私たちの設計のキーとなるゴールは、プログラマが問題レベルでより高いレベルの抽象化でソリューションを明確にする必要性に対処することです。
この研究は、Jaseci と呼ばれるシステムスタックアーキテクチャとそれに対応するプログラミング言語 Jac のプロダクショングレードの実現も提案している。
論文 参考訳(メタデータ) (2022-06-16T20:28:37Z) - Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。
特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
論文 参考訳(メタデータ) (2022-03-06T10:12:56Z) - On Continuous Integration / Continuous Delivery for Automated Deployment
of Machine Learning Models using MLOps [1.2885809002769633]
この調査は、マシンラーニングのライフサイクルと、DevOpsとMLOpsの主な違いについて、より詳細な調査を提供する。
MLOpsアプローチでは、機械学習フレームワークのCI/CDパイプラインを実行するためのツールとアプローチについて議論する。
その後、Github Operations(GitOps)のプッシュとプルベースのデプロイメントを詳しく見ていきます。
論文 参考訳(メタデータ) (2022-02-07T22:04:38Z) - Realistic simulation of users for IT systems in cyber ranges [63.20765930558542]
ユーザアクティビティを生成するために,外部エージェントを用いて各マシンを計測する。
このエージェントは、決定論的および深層学習に基づく手法を組み合わせて、異なる環境に適応する。
また,会話や文書の作成を容易にする条件付きテキスト生成モデルを提案する。
論文 参考訳(メタデータ) (2021-11-23T10:53:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。