論文の概要: Software Engineering for Self-Adaptive Robotics: A Research Agenda

• arxiv url: http://arxiv.org/abs/2505.19629v2
• Date: Thu, 02 Oct 2025 11:52:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:19.961509
• 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: Hassan Sartaj, Shaukat Ali, Ana Cavalcanti, Lukas Esterle, Cláudio Gomes, Peter Gorm Larsen, Anastasios Tefas, Jim Woodcock, Houxiang Zhang,
• Abstract要約: 自己適応型ロボットは、人工知能(AI)、機械学習、モデル駆動工学を利用して、変化する状況に継続的に適応する。 本稿では,2次元に沿って構成された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。 1つ目は、自己適応型ロボット工学の課題に合わせて、ソフトウェアエンジニアリングライフサイクル、要件、設計、開発、テスト、運用に関するものである。 2つ目は、ディジタルツイン、AI駆動の適応、およびランタイム監視、障害検出、自動意思決定をサポートする量子コンピューティングなどのテクノロジの実現に焦点を当てている。
• 参考スコア（独自算出の注目度）: 12.231810723415789
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Self-adaptive robotic systems operate autonomously in dynamic and uncertain environments, requiring robust real-time monitoring and adaptive behaviour. Unlike traditional robotic software with predefined logic, self-adaptive robots exploit artificial intelligence (AI), machine learning, and model-driven engineering to adapt continuously to changing conditions, thereby ensuring reliability, safety, and optimal performance. This paper presents a research agenda for software engineering in self-adaptive robotics, structured along two dimensions. The first concerns the software engineering lifecycle, requirements, design, development, testing, and operations, tailored to the challenges of self-adaptive robotics. The second focuses on enabling technologies such as digital twins, AI-driven adaptation, and quantum computing, which support runtime monitoring, fault detection, and automated decision-making. We identify open challenges, including verifying adaptive behaviours under uncertainty, balancing trade-offs between adaptability, performance, and safety, and integrating self-adaptation frameworks like MAPE-K/MAPLE-K. By consolidating these challenges into a roadmap toward 2030, this work contributes to the foundations of trustworthy and efficient self-adaptive robotic systems capable of meeting the complexities of real-world deployment.
• 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し、堅牢なリアルタイム監視と適応行動を必要とする。 事前定義された論理を持つ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(AI)、機械学習、モデル駆動型工学を利用して、変化する条件に継続的に適応し、信頼性、安全性、最適な性能を確保する。 本稿では,2次元に沿って構成された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。 1つ目は、自己適応型ロボット工学の課題に合わせて、ソフトウェアエンジニアリングライフサイクル、要件、設計、開発、テスト、運用に関するものである。 2つ目は、ディジタルツイン、AI駆動の適応、およびランタイム監視、障害検出、自動意思決定をサポートする量子コンピューティングなどのテクノロジの実現に焦点を当てている。 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/MAPLE-Kのような自己適応フレームワークの統合など、オープンな課題を特定します。 これらの課題を2030年に向けてロードマップにまとめることによって、この研究は、現実の展開の複雑さを満たすことのできる、信頼性が高く効率的な自己適応型ロボットシステムの基礎に寄与する。

関連論文リスト

• Control-Optimized Deep Reinforcement Learning for Artificially Intelligent Autonomous Systems [8.766411351797885]
  深層強化学習(DRL)は、機械学習とAIにおいて、複雑な意思決定のための強力なツールとなっている。 従来の手法では、エージェントが選択したアクションと実際のシステム応答の間の不確実性や逸脱を見越して、完璧なアクション実行を仮定することが多い。 この作業は、アクション実行ミスマッチを明示的にモデル化し補償する、制御最適化DRLフレームワークを開発することで、AIを前進させる。
  論文  参考訳（メタデータ） (2025-06-30T21:25:52Z)
• 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)
• Transforming the Hybrid Cloud for Emerging AI Workloads [82.21522417363666]
  このホワイトペーパーでは、AIワークロードの複雑さの増大に対応するために、ハイブリッドクラウドシステムを変革することを想定している。 提案したフレームワークは、エネルギー効率、性能、コスト効率において重要な課題に対処する。 この共同イニシアチブは、ハイブリッドクラウドをセキュアで効率的で持続可能なプラットフォームとして確立することを目的としています。
  論文  参考訳（メタデータ） (2024-11-20T11:57:43Z)
• Runtime Verification and Field-based Testing for ROS-based Robotic Systems [8.675312581079039]
  ROSベースのシステムを設計して実行時の検証とフィールドベースのテストを可能にするための明確なガイダンスは存在しない。 本稿では、開発者と品質保証(QA)チームが現場でロボットを開発し、検証し、テストするためのガイドラインを提供することで、このギャップを埋めることを目的とする。
  論文  参考訳（メタデータ） (2024-04-17T15:52:29Z)
• Automated Process Planning Based on a Semantic Capability Model and SMT [50.76251195257306]
  製造システムと自律ロボットの研究において、機械で解釈可能なシステム機能の仕様に「能力」という用語が用いられる。 セマンティック能力モデルから始めて、AI計画問題を自動的に生成するアプローチを提案する。
  論文  参考訳（メタデータ） (2023-12-14T10:37:34Z)
• 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)
• From Machine Learning to Robotics: Challenges and Opportunities for Embodied Intelligence [113.06484656032978]
  記事は、インテリジェンスが機械学習技術の進歩の鍵を握っていると主張している。 私たちは、インテリジェンスを具体化するための課題と機会を強調します。 本稿では,ロボット学習の最先端性を著しく向上させる研究の方向性を提案する。
  論文  参考訳（メタデータ） (2021-10-28T16:04:01Z)
• 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。