Fugu-MT 論文翻訳(概要): Understanding and Detecting Compatibility Issues in Android Auto Apps

論文の概要: Understanding and Detecting Compatibility Issues in Android Auto Apps

arxiv url: http://arxiv.org/abs/2503.04003v1
Date: Thu, 06 Mar 2025 01:37:02 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-07 16:00:29.642932
Title: Understanding and Detecting Compatibility Issues in Android Auto Apps
Title（参考訳）: Android Auto Appsの互換性問題を理解して検出する
Authors: Moshood Fakorede, Umar Farooq,
Abstract要約: 我々は、Android Autoに関する147の報告を行い、その根本原因を特定した。 UIの不互換性,メディア再生エラーの24%,音声コマンド処理の失敗による約5%,などによって70%以上の問題が発生した。 Android Autoアプリの互換性問題を検出する静的解析フレームワークであるCarCompatを紹介する。
参考スコア（独自算出の注目度）: 0.5908471365011941
License:
Abstract: Mobile platforms now power not only smartphones but also in-vehicle systems like Android Auto and CarPlay. Despite an ecosystem of over 3.5 million Android apps and more than 200 million Android Auto-compatible vehicles, only a few hundred apps have been adapted for automotive use. To better understand this gap, we studied 147 reported issues related to Android Auto and identified their root causes. We found that more than 70% of issues result from UI incompatibilities, 24% from media playback errors, and around 5% from failures in voice command handling, showing a lack of effective tools for developers. We introduce CarCompat, a static analysis framework that detects compatibility problems in Android Auto apps. CarCompat constructs a Car-Control Flow Graph (CCFG) to capture interactions among app components, lifecycle methods, and platform-specific callbacks. It applies specialized checkers to detect UI violations, media playback errors, and issues with voice command handling. We evaluated CarCompat on a dataset of 54 Android Auto apps and detected 25 new issues, 4 of which were confirmed by developers, and 2 developers have already released their fixes. The results show that CarCompat helps developers identify and fix compatibility issues, improving the in-vehicle experience.
Abstract（参考訳）: 今やモバイルプラットホームはスマートフォンだけでなく、Android AutoやCarPlayなどの車載システムにも電力を供給している。 350万以上のAndroidアプリと2億以上のAndroid Auto互換車両のエコシステムにもかかわらず、自動車用途に適応しているのはわずか数百のアプリだけだった。このギャップをより深く理解するため、Android Autoに関する147の報告を行い、その根本原因を特定しました。問題のうち70%以上がUIの互換性の欠如、24%がメディア再生エラー、5%がボイスコマンド処理の失敗によるもので、開発者にとって効果的なツールが不足していることが分かりました。 Android Autoアプリの互換性問題を検出する静的解析フレームワークであるCarCompatを紹介する。 CarCompatは、アプリコンポーネント、ライフサイクルメソッド、プラットフォーム固有のコールバック間のインタラクションをキャプチャする、Car-Control Flow Graph(CCFG)を構築する。 UI違反、メディア再生エラー、音声コマンド処理の問題を検出するために、特別なチェッカーを適用する。 54のAndroid AutoアプリのデータセットでCarCompatを評価し、25の新たな問題を検出しました。結果は、CarCompatが互換性の問題を特定し修正し、車内エクスペリエンスを改善するのに役立つことを示している。

関連論文リスト

A Large-scale Investigation of Semantically Incompatible APIs behind Compatibility Issues in Android Apps [13.24503570840706]
Android Open Source Project(AOSP)において、互換性のないAPIを大規模に発見する。非互換なAPI,特にセマンティックな変更を検出するための統合フレームワークを提案する。提案手法は,バージョン4からバージョン33までの互換性のない5,481のAPIを検出する。
論文参考訳（メタデータ） (2024-06-25T10:12:37Z)
Recover as It is Designed to Be: Recovering from Compatibility Mobile App Crashes by Reusing User Flows [7.794493667909177]
RecoFlowは、APIとビジュアルツールを使ってユーザフローをプログラムすることで、アプリの開発者がクラッシュから自動的にアプリを復元することを可能にするフレームワークです。 RecoFlowは、ユーザデバイス上のユーザフローによるアプリの機能使用を追跡し、クラッシュによって中断されたアプリの機能のUIアクションを再生することで、クラッシュからアプリを回復する。
論文参考訳（メタデータ） (2024-06-03T14:03:04Z)
AutoDroid: LLM-powered Task Automation in Android [32.241570727243534]
モバイルタスク自動化システムであるAutoDroidを紹介した。主なコンポーネントは、LLMでUIをブリッジする機能対応UI表現メソッドである。我々は、メモリ拡張Androidタスク自動化のための新しいベンチマークで、その性能を158の共通タスクで評価した。
論文参考訳（メタデータ） (2023-08-29T13:02:30Z)
Multi-Objective Improvement of Android Applications [10.660480034605243]
7つのAndroidアプリの21バージョンのテストを書き、パフォーマンス改善のための新しいベンチマークを作成しました。我々は、改良されたソフトウェアを見つけるために、ソフトウェア変種の範囲をナビゲートする検索ベースの技術である、遺伝的改善を使用している。これらのアプリでは、実行時間を最大35%改善し、メモリ使用量を最大33%改善しました。
論文参考訳（メタデータ） (2023-08-22T12:26:43Z)
Taming Android Fragmentation through Lightweight Crowdsourced Testing [9.752084629147854]
我々は,クラウドソースによるAndroidの断片化を緩和する,新しい,軽量なクラウドソーステスト手法であるLAZYCOWを提案する。実世界のAndroidデバイス上で数千のテストケースの実験結果から、LAZYCOWはAPIによる互換性の問題を自動的に識別し、検証するのに有効であることが示された。
論文参考訳（メタデータ） (2023-04-10T01:37:16Z)
CODA: A Real-World Road Corner Case Dataset for Object Detection in Autonomous Driving [117.87070488537334]
我々は、ビジョンベース検出器のこの重要な問題を露呈する、CODAという挑戦的なデータセットを導入する。大規模自動運転データセットで訓練された標準物体検出器の性能は、mARの12.8%以下に著しく低下した。我々は最先端のオープンワールドオブジェクト検出器を実験し、CODAの新しいオブジェクトを確実に識別できないことを発見した。
論文参考訳（メタデータ） (2022-03-15T08:32:56Z)
CI-AVSR: A Cantonese Audio-Visual Speech Dataset for In-car Command Recognition [91.33781557979819]
新しいデータセットであるCantonese In-car Audio-Visual Speech Recognition (CI-AVSR)を導入する。カントン語話者30人が記録した200の車載コマンドの4,984サンプル(8.3時間)で構成されている。当社のデータセットのクリーンバージョンと拡張バージョンの両方について、詳細な統計情報を提供しています。
論文参考訳（メタデータ） (2022-01-11T06:32:12Z)
Emerging App Issue Identification via Online Joint Sentiment-Topic Tracing [66.57888248681303]
本稿では,MERITという新しい問題検出手法を提案する。 AOBSTモデルに基づいて、1つのアプリバージョンに対するユーザレビューに否定的に反映されたトピックを推測する。 Google PlayやAppleのApp Storeで人気のアプリに対する実験は、MERITの有効性を実証している。
論文参考訳（メタデータ） (2020-08-23T06:34:05Z)
An Empirical Study of In-App Advertising Issues Based on Large Scale App Review Analysis [67.58267006314415]
われわれは,App StoreとGoogle Playの広告関連ユーザフィードバックに関する大規模分析を行った。広告関連レビュー36,309件の統計分析から,利用者は使用中のユニーク広告数や広告表示頻度を最も気にしていることがわかった。いくつかの広告イシュータイプは、他の広告イシューよりも開発者によって迅速に対処される。
論文参考訳（メタデータ） (2020-08-22T05:38:24Z)
The Devil is in the Details: Self-Supervised Attention for Vehicle Re-Identification [75.3310894042132]
車両識別のための自己監督的注意(SAVER)は、車両固有の識別特徴を効果的に学習するための新しいアプローチである。我々は,SAVERがVeRi, VehicleID, Vehicle-1M, VERI-Wildのデータセットに挑戦する際の最先端性を改善することを示す。
論文参考訳（メタデータ） (2020-04-14T02:24:47Z)
Parsing-based View-aware Embedding Network for Vehicle Re-Identification [138.11983486734576]
本稿では,車載ReIDのビューアウェア機能アライメントと拡張を実現するために,解析に基づくPVEN(View-Aware Embedding Network)を提案する。 3つのデータセットで行った実験により、我々のモデルは最先端の手法よりも大きなマージンで優れていることが示された。
論文参考訳（メタデータ） (2020-04-10T13:06:09Z)

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。