論文の概要: Scenario-Based Field Testing of Drone Missions

• arxiv url: http://arxiv.org/abs/2407.08359v1
• Date: Thu, 11 Jul 2024 10:12:13 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-12 17:59:20.697975
• Title: Scenario-Based Field Testing of Drone Missions
• Title（参考訳）: シナリオに基づくドローンミッションのフィールドテスト
• Authors: Michael Vierhauser, Kristof Meixner, Stefan Biffl,
• Abstract要約: 本稿では,ドローン飛行の現場試験の要件を明らかにする。 適応的フィールドテストガイダンスのためのFiTS(Field Testing Scenario Management)アプローチを導入している。 FiTSは、構造化された再利用可能なテストシナリオを定義するために、シナリオベースの要件エンジニアリングと振る舞い駆動開発の概念を活用します。
• 参考スコア（独自算出の注目度）: 6.219782508946943
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Testing and validating Cyber-Physical Systems (CPSs) in the aerospace domain, such as field testing of drone rescue missions, poses challenges due to volatile mission environments, such as weather conditions. While testing processes and methodologies are well established, structured guidance and execution support for field tests are still weak. This paper identifies requirements for field testing of drone missions, and introduces the Field Testing Scenario Management (FiTS) approach for adaptive field testing guidance. FiTS aims to provide sufficient guidance for field testers as a foundation for efficient data collection to facilitate quality assurance and iterative improvement of field tests and CPSs. FiTS shall leverage concepts from scenario-based requirements engineering and Behavior-Driven Development to define structured and reusable test scenarios, with dedicated tasks and responsibilities for role-specific guidance. We evaluate FiTS by (i) applying it to three use cases for a search-and-rescue drone application to demonstrate feasibility and (ii) interviews with experienced drone developers to assess its usefulness and collect further requirements. The study results indicate FiTS to be feasible and useful to facilitate drone field testing and data analysis
• Abstract（参考訳）: 空域領域におけるCPS(Cyber-Physical Systems)のテストと検証(ドローン救助ミッションのフィールドテストなど)は、気象条件などの揮発性ミッション環境による課題を提起する。 テストプロセスと方法論は十分に確立されているが、フィールドテストのための構造化されたガイダンスと実行サポートはまだ弱い。 本稿では,ドローン飛行のフィールドテストの要件を特定し,適応型フィールドテストガイダンスのためのフィールドテストシナリオ管理(FiTS)アプローチを提案する。 FiTSは、フィールドテストとCPSの品質保証と反復的な改善を促進するための効率的なデータ収集の基盤として、フィールドテスタに十分なガイダンスを提供することを目的としている。 FiTSは、シナリオベースの要件エンジニアリングと振る舞い駆動開発の概念を活用して、構成された再利用可能なテストシナリオを定義し、専用のタスクとロール固有のガイダンスの責任を負います。 我々はFiTSの評価を行う。 二 検索救助用ドローンアプリケーションの実用性及び実用性を示す三つの用途に応用すること。 (II) 経験豊富なドローン開発者へのインタビューにより、その有用性を評価し、さらなる要件を収集する。 研究結果から、FiTSはドローンのフィールドテストとデータ分析を容易にするのに有用で有用であることが示唆された。

関連論文リスト

• Generating Test Scenarios from NL Requirements using Retrieval-Augmented LLMs: An Industrial Study [5.179738379203527]
  本稿では,Large Language Models (LLM) を用いたRAG(Retrieval-Augmented Generation) を用いたテストシナリオ生成のための自動アプローチ(RAGTAG)を提案する。 オーストリアポストの2つの産業プロジェクトにおけるRAGTAGの評価を行い,ドイツ語と英語のバイリンガル要件について検討した。
  論文  参考訳（メタデータ） (2024-04-19T10:27:40Z)
• Automated System-level Testing of Unmanned Aerial Systems [2.2249176072603634]
  国際安全基準の主な要件は、アビオニクスソフトウェアシステムの厳格なシステムレベルのテストを実行することである。 提案したアプローチ(AITester)は、モデルベースのテストと人工知能(AI)技術を使用して、さまざまなテストシナリオを自動生成、実行、評価する。
  論文  参考訳（メタデータ） (2024-03-23T14:47:26Z)
• Better Practices for Domain Adaptation [62.70267990659201]
  ドメイン適応(DA)は、ラベルを使わずに、モデルを配置データに適用するためのフレームワークを提供することを目的としている。 DAの明確な検証プロトコルは、文献の悪い実践につながっている。 ドメイン適応手法の3つの分野にまたがる課題を示す。
  論文  参考訳（メタデータ） (2023-09-07T17:44:18Z)
• DroneReqValidator: Facilitating High Fidelity Simulation Testing for Uncrewed Aerial Systems Developers [8.290044674335473]
  sUAS開発者はシミュレーションテストを通じてアプリケーションの信頼性と安全性を検証することを目指している。 実世界の環境の動的な性質は、フィールドテストによってのみ明らかにされる可能性のある、ユニークなソフトウェア欠陥を引き起こす。 DroneReqValidator(DRV)は、小型無人航空機(SUAV)シミュレーションエコシステムを提供する。
  論文  参考訳（メタデータ） (2023-07-31T22:13:57Z)
• A Requirements-Driven Platform for Validating Field Operations of Small Uncrewed Aerial Vehicles [48.67061953896227]
  DroneReqValidator (DRV)は、sUAS開発者が運用コンテキストを定義し、複数のsUASミッション要件を設定し、安全性特性を指定し、独自のsUASアプリケーションを高忠実な3D環境にデプロイすることを可能にする。 DRVモニタリングシステムは、sUASと環境からランタイムデータを収集し、安全特性のコンプライアンスを分析し、違反をキャプチャする。
  論文  参考訳（メタデータ） (2023-07-01T02:03:49Z)
• A Comprehensive Survey on Test-Time Adaptation under Distribution Shifts [143.14128737978342]
  新たなパラダイムであるテスト時適応は、事前トレーニングされたモデルをテスト中にラベルのないデータに適用し、予測を行う可能性がある。 このパラダイムの最近の進歩は、推論に先立って自己適応モデルのトレーニングにラベルのないデータを活用するという大きな利点を浮き彫りにしている。
  論文  参考訳（メタデータ） (2023-03-27T16:32:21Z)
• Socratic Pretraining: Question-Driven Pretraining for Controllable Summarization [89.04537372465612]
  ソクラティック事前訓練は、要約タスクにおける制御性を改善するために設計された、質問駆動で教師なし事前訓練の目的である。 以上の結果から,Socraticプレトレーニングはタスク固有のラベル付きデータ要件を半分に削減することがわかった。
  論文  参考訳（メタデータ） (2022-12-20T17:27:10Z)
• CAFA: Class-Aware Feature Alignment for Test-Time Adaptation [50.26963784271912]
  テスト時間適応(TTA)は、テスト時にラベルのないデータにモデルを適応させることによって、この問題に対処することを目的としている。 本稿では,クラス認識特徴アライメント(CAFA, Class-Aware Feature Alignment)と呼ばれる単純な機能アライメント損失を提案する。
  論文  参考訳（メタデータ） (2022-06-01T03:02:07Z)
• Rearrangement: A Challenge for Embodied AI [229.8891614821016]
  Embodied AIの研究と評価のためのフレームワークについて述べる。 我々の提案は正統的な課題である再配置に基づいている。 4つの異なるシミュレーション環境における再配置シナリオの実験的なテストベッドについて述べる。
  論文  参考訳（メタデータ） (2020-11-03T19:42:32Z)
• Search-based Test-Case Generation by Monitoring Responsibility Safety Rules [2.1270496914042996]
  本研究では,シミュレーションに基づく運転テストデータのスクリーニングと分類を行う手法を提案する。 本フレームワークは,S-TALIROおよびSim-ATAVツールとともに配布されている。
  論文  参考訳（メタデータ） (2020-04-25T10:10:11Z)

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。