論文の概要: On the Practices of Autonomous Systems Development: Survey-based Empirical Findings

• arxiv url: http://arxiv.org/abs/2506.04438v1
• Date: Wed, 04 Jun 2025 20:44:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-06 21:53:49.419646
• Title: On the Practices of Autonomous Systems Development: Survey-based Empirical Findings
• Title（参考訳）: 自律型システム開発の実践について:調査に基づく経験的発見
• Authors: Katerina Goseva-Popstojanova, Denny Hood, Johann Schumann, Noble Nkwocha,
• Abstract要約: 本稿では,実践の確立に焦点をあてた縦断的研究の第1部について述べる。 結果は、自律的な機能を持ち、モデルベースのソフトウェアエンジニアリング(MBSwE)と再利用を採用するソフトウェアシステムに関するデータに基づいている。
• 参考スコア（独自算出の注目度）: 2.5874041837241304
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous systems have gained an important role in many industry domains and are beginning to change everyday life. However, due to dynamically emerging applications and often proprietary constraints, there is a lack of information about the practice of developing autonomous systems. This paper presents the first part of the longitudinal study focused on establishing state-of-the-practice, identifying and quantifying the challenges and benefits, identifying the processes and standards used, and exploring verification and validation (V&V) practices used for the development of autonomous systems. The results presented in this paper are based on data about software systems that have autonomous functionality and may employ model-based software engineering (MBSwE) and reuse. These data were collected using an anonymous online survey that was administered in 2019 and were provided by experts with experience in development of autonomous systems and /or the use of MBSwE. Our current work is focused on repeating the survey to collect more recent data and discover how the development of autonomous systems has evolved over time.
• Abstract（参考訳）: 自律システムは、多くの産業領域において重要な役割を担い、日々の生活を変え始めている。 しかし、動的に出現するアプリケーションやプロプライエタリな制約のため、自律システムを開発する実践に関する情報が不足している。 本稿では,現状の確立,課題とメリットの特定と定量化,使用プロセスと標準の特定,自律システム開発に使用される検証と検証(V&V)の実践の探求に焦点をあてた縦断的研究の前半について述べる。 本稿では,自律的な機能を持つソフトウェアシステムに関するデータに基づいて,モデルベースソフトウェア工学(MBSwE)と再利用を行う。 これらのデータは匿名のオンラインサーベイを使用して収集され、2019年に管理され、自律システムの開発とMBSwEの使用の経験を持つ専門家によって提供された。 私たちの現在の研究は、調査を繰り返すことで、より最近のデータを収集し、自律システムの開発が時間とともにどのように進化してきたかを明らかにすることに集中しています。

関連論文リスト

• A Roadmap for Simulation-Based Testing of Autonomous Cyber-Physical Systems: Challenges and Future Direction [5.742965094549775]
  本稿では,自律システムのシミュレーションに基づくテストの戦略的ロードマップを開拓する。 本稿では,テスト自動化と品質保証に着目し,ACPSの課題と障害について論じる。
  論文  参考訳（メタデータ） (2024-05-02T07:42:33Z)
• Open-sourced Data Ecosystem in Autonomous Driving: the Present and Future [130.87142103774752]
  このレビューは、70以上のオープンソースの自動運転データセットを体系的に評価する。 高品質なデータセットの作成の基礎となる原則など、さまざまな側面に関する洞察を提供する。 また、解決を保障する科学的、技術的課題も検討している。
  論文  参考訳（メタデータ） (2023-12-06T10:46:53Z)
• A Case Study on AI Engineering Practices: Developing an Autonomous Stock Trading System [8.211107836178083]
  プロダクション対応のAIベースのシステムの品質を保証するためには、ソリッドAIエンジニアリングプラクティスが必要である。 AIベースのシステムを開発するためのいくつかのプラクティスがすでに提案されているが、これらのプラクティスを適用するための詳細な実践経験は稀である。 文献から10のAIエンジニアリングプラクティスを選択し、開発中に体系的に適用しました。
  論文  参考訳（メタデータ） (2023-03-23T12:27:27Z)
• A Domain-Agnostic Approach for Characterization of Lifelong Learning Systems [128.63953314853327]
  「生涯学習」システムには,1)継続的学習,2)伝達と適応,3)拡張性があります。 この一連のメトリクスは、様々な複雑な生涯学習システムの開発に役立てることができることを示す。
  論文  参考訳（メタデータ） (2023-01-18T21:58:54Z)
• Human-in-the-Loop Large-Scale Predictive Maintenance of Workstations [89.51621054382878]
  予測保守(英: Predictive maintenance, PdM)とは、システムの状態の統計的解析に基づいて、保守作業のスケジューリングを行うタスクである。 本稿では,機械学習システムがワークステーションの集合における将来の問題を予測できるPdM手法を提案する。
  論文  参考訳（メタデータ） (2022-06-23T09:40:46Z)
• Perspective, Survey and Trends: Public Driving Datasets and Toolsets for Autonomous Driving Virtual Test [4.2628421392139]
  本論文では,最初に自律走行テストのためのSLR(Systematic Literature Review)アプローチを提案し,2000年から2020年までの既存の公開データセットとツールセットの概要を示す。 SLAベースの調査アプローチを使用して、データセットとツールセットの両方に関する最近の経験的な調査を初めて実施しました。
  論文  参考訳（メタデータ） (2021-04-01T06:17:01Z)
• Applying Machine Learning in Self-Adaptive Systems: A Systematic Literature Review [15.953995937484176]
  現在、自己適応システムにおける機械学習の使用に関する体系的な概要はない。 我々は、従来のモニター・アナライズ・プラン・エクユートフィードバックループ(MAPE)に基づく自己適応システムに焦点を当てる。 研究の質問は、自己適応システムにおける機械学習の使用を動機づける問題、自己適応における学習の重要なエンジニアリング側面、オープンな課題に焦点を当てている。
  論文  参考訳（メタデータ） (2021-03-06T13:45:59Z)

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。