論文の概要: Software Engineering for Self-Adaptive Robotics: A Research Agenda
- arxiv url: http://arxiv.org/abs/2505.19629v1
- Date: Mon, 26 May 2025 07:47:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-27 16:58:43.254239
- Title: Software Engineering for Self-Adaptive Robotics: A Research Agenda
- Title（参考訳）: 自己適応型ロボットのためのソフトウェア工学 : 研究アジェンダ
- Authors: Shaukat Ali, Ana Cavalcanti, Cláudio Ângelo Gonçalves Gomes, Peter Gorm Larsen, Hassan Sartaj, Anastasios Tefas, Jim Woodcock, Houxiang Zhang,
- Abstract要約: 自己適応型ロボットシステムは、動的で不確実な環境で自律的に動作するように設計されている。
従来のロボットソフトウェアとは異なり、自己適応型ロボットは人工知能、機械学習、モデル駆動工学を活用する。
本稿では,自己適応型ロボット工学におけるソフトウェア工学の研究課題について述べる。
- 参考スコア（独自算出の注目度）: 19.128553400293008
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Self-adaptive robotic systems are designed to operate autonomously in dynamic and uncertain environments, requiring robust mechanisms to monitor, analyse, and adapt their behaviour in real-time. Unlike traditional robotic software, which follows predefined logic, self-adaptive robots leverage artificial intelligence, machine learning, and model-driven engineering to continuously adjust to changing operational conditions while ensuring reliability, safety, and performance. This paper presents a research agenda for software engineering in self-adaptive robotics, addressing critical challenges across two key dimensions: (1) the development phase, including requirements engineering, software design, co-simulation, and testing methodologies tailored to adaptive robotic systems, and (2) key enabling technologies, such as digital twins, model-driven engineering, and AI-driven adaptation, which facilitate runtime monitoring, fault detection, and automated decision-making. We discuss open research challenges, including verifying adaptive behaviours under uncertainty, balancing trade-offs between adaptability, performance, and safety, and integrating self-adaptation frameworks like MAPE-K. By providing a structured roadmap, this work aims to advance the software engineering foundations for self-adaptive robotic systems, ensuring they remain trustworthy, efficient, and capable of handling real-world complexities.
- Abstract（参考訳）: 自己適応型ロボットシステムは、動的で不確実な環境で自律的に動作するよう設計されており、彼らの行動を監視し、分析し、リアルタイムで適応するための堅牢なメカニズムを必要としている。
事前定義された論理に従う従来のロボットソフトウェアとは異なり、自己適応型ロボットは人工知能、機械学習、モデル駆動型工学を活用して、信頼性、安全性、性能を確保しながら、操作条件の変更を継続的に調整する。
本稿では,1)適応型ロボットシステムに適した要件工学,ソフトウェア設計,共シミュレーション,テスト方法論を含む開発フェーズ,(2)ディジタルツイン,モデル駆動工学,AIによる適応といった,ランタイム監視,障害検出,自動意思決定を容易にする重要な技術,という2つの重要な課題に対処する,自己適応型ロボット工学におけるソフトウェア工学の研究課題について述べる。
我々は、不確実性の下での適応行動の検証、適応性、性能、安全性のトレードオフのバランス、MAPE-Kのような自己適応フレームワークの統合など、オープンな研究課題について議論する。
構造化されたロードマップを提供することで、この作業は、自己適応型ロボットシステムのソフトウェアエンジニアリング基盤を前進させ、信頼でき、効率的で、現実世界の複雑さを扱えるようにすることを目的としている。
関連論文リスト
- ROSA: A Knowledge-based Solution for Robot Self-Adaptation [1.5806281688147201]
ロボットシステムは、タスクの実行とソフトウェアアーキテクチャをそのコンテキストに基づいて実行時に適応できる自己適応システムとして設計することができる。
本稿では,RObot Self-Adaptationのための新しい知識ベースフレームワークであるROSAを紹介する。
適応に必要なすべてのアプリケーション固有の知識をキャプチャし、実行時にこの知識を推論して、いつ、どのように適応を行うべきかを判断する知識モデルを提供することによって、これを実現する。
論文 参考訳（メタデータ） (2025-04-29T12:49:45Z) - An LLM-enabled Multi-Agent Autonomous Mechatronics Design Framework [49.633199780510864]
本研究は, 機械設計, 最適化, エレクトロニクス, ソフトウェア工学の専門知識を統合した多エージェント自律メカトロニクス設計フレームワークを提案する。
このフレームワークは、言語駆動のワークフローを通じて運用され、構造化された人間のフィードバックを組み込んで、現実世界の制約下での堅牢なパフォーマンスを保証する。
完全に機能する自律型容器は、最適化された推進、コスト効率の高い電子機器、高度な制御を備えていた。
論文 参考訳（メタデータ） (2025-04-20T16:57:45Z) - Aportes para el cumplimiento del Reglamento (UE) 2024/1689 en robótica y sistemas autónomos [0.461803711540329]
この研究は、高度なロボットシステムに適用可能なサイバーセキュリティツールを分析する。
これらのシステムのセキュリティ、完全性、レジリエンスを保証するため、基本的なツールのリストが提案されている。
10つの評価基準は、規制の遵守を確実にし、人間とロボットの相互作用のリスクを低減するために定義される。
論文 参考訳（メタデータ） (2025-03-22T11:04:42Z) - Intelligent Framework for Human-Robot Collaboration: Dynamic Ergonomics and Adaptive Decision-Making [16.96010830093366]
本稿では,高度な視覚認識,連続的エルゴノミクスモニタリング,適応的行動木決定を統合化するための革新的なフレームワークを提案する。
我々のアプローチは、ディープラーニングモデル、高度な追跡アルゴリズム、動的エルゴノミクスアセスメントをモジュラーでスケーラブルで適応的なシステムに合成する。
論文 参考訳（メタデータ） (2025-03-10T22:43:07Z) - Digital Twin-Enabled Real-Time Control in Robotic Additive Manufacturing via Soft Actor-Critic Reinforcement Learning [2.5709786140685633]
本研究は,ソフトアクタ・クリティカル(SAC)強化学習とデジタルツイン技術を組み合わせた新しいアプローチを提案する。
我々は,Vier X300sロボットアームを用いて,2つの異なる制御シナリオを実装した手法を実証した。
その結果、シミュレートされた環境と物理的環境の両方において、迅速な政策収束と堅牢なタスク実行が示された。
論文 参考訳（メタデータ） (2025-01-29T22:06:53Z) - Robotic World Model: A Neural Network Simulator for Robust Policy Optimization in Robotics [50.191655141020505]
この研究は、長期水平予測、エラー蓄積、およびsim-to-real転送の課題に対処することで、モデルに基づく強化学習を前進させる。
スケーラブルでロバストなフレームワークを提供することで、現実のアプリケーションにおいて適応的で効率的なロボットシステムを実現することができる。
論文 参考訳（メタデータ） (2025-01-17T10:39:09Z) - Active Learning of Discrete-Time Dynamics for Uncertainty-Aware Model Predictive Control [46.81433026280051]
本稿では,非線形ロボットシステムの力学を積極的にモデル化する自己教師型学習手法を提案する。
我々のアプローチは、目に見えない飛行条件に一貫して適応することで、高いレジリエンスと一般化能力を示す。
論文 参考訳（メタデータ） (2022-10-23T00:45:05Z) - The Need for a Meta-Architecture for Robot Autonomy [0.0]
ロボットシステムの長期的な自律性には、障害や振る舞いの問題、知識の欠如に対処できるプラットフォームが暗黙的に必要である。
我々は,自律型ロボットエージェントの認知アーキテクチャの生成モデルとして,モデルベース工学の原則と認証可能な信頼性を前提としたケースを提起した。
論文 参考訳（メタデータ） (2022-07-20T07:27:23Z) - Automated Machine Learning: A Case Study on Non-Intrusive Appliance Load Monitoring [81.06807079998117]
非侵入的機器負荷モニタリング(NIALM)のための自動機械学習(AutoML)を実現する新しい手法を提案する。
NIALMは、電子機器や家電のエネルギー消費を測定するためのスマートメーターに代わる費用対効果を提供する。
論文 参考訳（メタデータ） (2022-03-06T10:12:56Z) - Towards CRISP-ML(Q): A Machine Learning Process Model with Quality
Assurance Methodology [53.063411515511056]
本稿では,機械学習アプリケーション開発のためのプロセスモデルを提案する。
第1フェーズでは、データの可用性がプロジェクトの実現可能性に影響を与えることが多いため、ビジネスとデータの理解が結合されます。
第6フェーズでは、機械学習アプリケーションの監視とメンテナンスに関する最先端のアプローチがカバーされている。
論文 参考訳（メタデータ） (2020-03-11T08:25:49Z)
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。