論文の概要: Survey of GenAI for Automotive Software Development: From Requirements to Executable Code
- arxiv url: http://arxiv.org/abs/2507.15025v1
- Date: Sun, 20 Jul 2025 16:21:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-22 20:51:32.164203
- Title: Survey of GenAI for Automotive Software Development: From Requirements to Executable Code
- Title（参考訳）: 自動車ソフトウェア開発のためのGenAIに関する調査:要件から実行可能コードへ
- Authors: Nenad Petrovic, Vahid Zolfaghari, Andre Schamschurko, Sven Kirchner, Fengjunjie Pan, Chengdng Wu, Nils Purschke, Aleksei Velsh, Krzysztof Lebioda, Yinglei Song, Yi Zhang, Lukasz Mazur, Alois Knoll,
- Abstract要約: 自動車ソフトウェア開発はGenAI採用にとって重要な領域だと考えられている。
3つのGenAI関連技術は最先端の言語モデル(LLM)、検索言語生成(RAG)、ビジョン言語モデル(VLM)に網羅されている。
- 参考スコア（独自算出の注目度）: 4.909409341455637
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Adoption of state-of-art Generative Artificial Intelligence (GenAI) aims to revolutionize many industrial areas by reducing the amount of human intervention needed and effort for handling complex underlying processes. Automotive software development is considered to be a significant area for GenAI adoption, taking into account lengthy and expensive procedures, resulting from the amount of requirements and strict standardization. In this paper, we explore the adoption of GenAI for various steps of automotive software development, mainly focusing on requirements handling, compliance aspects and code generation. Three GenAI-related technologies are covered within the state-of-art: Large Language Models (LLMs), Retrieval Augmented Generation (RAG), Vision Language Models (VLMs), as well as overview of adopted prompting techniques in case of code generation. Additionally, we also derive a generalized GenAI-aided automotive software development workflow based on our findings from this literature review. Finally, we include a summary of a survey outcome, which was conducted among our automotive industry partners regarding the type of GenAI tools used for their daily work activities.
- Abstract（参考訳）: 最先端のジェネレーティブ人工知能(GenAI)の採用は、複雑なプロセスを扱うために必要な人間の介入の量を削減し、多くの産業分野に革命をもたらすことを目的としている。
自動車ソフトウェア開発はGenAI採用にとって重要な領域であり、要求の量と厳格な標準化によって、長くて高価な手続きを考慮に入れている。
本稿では,要求処理,コンプライアンス,コード生成を中心に,自動車ソフトウェア開発のさまざまな段階におけるGenAIの採用について検討する。
大規模言語モデル(LLM)、検索型拡張生成(RAG)、ビジョン言語モデル(VLM)の3つの技術と、コード生成時に採用されるプロンプト技術の概要である。
また,本文献から得られた知見に基づいて,汎用的なGenAI支援自動車ソフトウェア開発ワークフローを導出する。
最後に,我々の自動車産業パートナー間で実施した,日々の作業に使用されるGenAIツールの種類に関する調査結果の概要を紹介する。
関連論文リスト
- GenAI for Automotive Software Development: From Requirements to Wheels [3.2821049498759094]
本稿では,GenAIを活用した自動車ソフトウェアの自動開発手法を提案する。
プロセスは要求を入力として開始し、主要な出力はシミュレーション環境のテストシナリオコードである。
弊社のアプローチは、コンプライアンスと再エンジニアリングのサイクルを短縮し、ADAS関連の機能に関して開発とテストの時間を短縮することを目的としている。
論文 参考訳（メタデータ） (2025-07-24T09:17:13Z) - Generative AI for Autonomous Driving: Frontiers and Opportunities [145.6465312554513]
この調査は、自律運転スタックにおけるGenAIの役割の包括的合成を提供する。
まず、VAE、GAN、拡散モデル、および大規模言語モデルを含む、現代の生成モデリングの原則とトレードオフを蒸留することから始めます。
我々は、合成データ一般化、エンドツーエンド駆動戦略、高忠実なデジタルツインシステム、スマートトランスポートネットワーク、具体化されたAIへのクロスドメイン転送など、実用的な応用を分類する。
論文 参考訳（メタデータ） (2025-05-13T17:59:20Z) - Enterprise Architecture as a Dynamic Capability for Scalable and Sustainable Generative AI adoption: Bridging Innovation and Governance in Large Organisations [55.2480439325792]
生成人工知能(Generative Artificial Intelligence)は、イノベーションを促進し、多くの産業におけるガバナンスを再形成する可能性を持つ強力な新技術である。
しかし、テクノロジの複雑さ、ガバナンスのギャップ、リソースのミスアライメントなど、GenAIをスケールする上で大きな課題に直面している。
本稿では、大企業におけるGenAI導入の複雑な要件をエンタープライズアーキテクチャ管理が満たす方法について検討する。
論文 参考訳（メタデータ） (2025-05-09T07:41:33Z) - Paradigm shift on Coding Productivity Using GenAI [3.7117429391624803]
ジェネレーティブAI(GenAI)アプリケーションは、自動コード作成を可能にすることで、ソフトウェアエンジニアリングを変革している。
本稿では、通信とドメインにおけるGenAI符号化アシスタント(例えば、Codeium、Amazon Q)の採用について検討する。
論文 参考訳（メタデータ） (2025-04-25T15:00:06Z) - The Roles of Generative Artificial Intelligence in Internet of Electric Vehicles [65.14115295214636]
我々は特に、電気自動車のインターネット(IoEV)について検討し、GenAI for IoEVを4つの異なる層に分類する。
IoEVアプリケーションの各レイヤで使用されるさまざまなGenAI技術を紹介します。
GenAIモデルのトレーニングに利用可能なパブリックデータセットを要約する。
論文 参考訳（メタデータ） (2024-09-24T05:12:10Z) - Model-based Maintenance and Evolution with GenAI: A Look into the Future [47.93555901495955]
我々は、モデルベースエンジニアリング(MBM&E)の限界に対処する手段として、生成人工知能(GenAI)を用いることができると論じる。
我々は、エンジニアの学習曲線の削減、レコメンデーションによる効率の最大化、ドメイン問題を理解するための推論ツールとしてのGenAIの使用を提案する。
論文 参考訳（メタデータ） (2024-07-09T23:13:26Z) - Legal Aspects for Software Developers Interested in Generative AI Applications [5.772982243103395]
生成人工知能(GenAI)は、高品質なコード、自然言語、画像を生成する新しい技術を生み出している。
次のステップはGenAI技術を製品に統合することです。
この記事では、データ保護と著作権という2つのリスクの現状について光を当てます。
論文 参考訳（メタデータ） (2024-04-25T14:17:34Z) - GenLens: A Systematic Evaluation of Visual GenAI Model Outputs [33.93591473459988]
GenLensは、GenAIモデル出力の体系的評価のために設計されたビジュアル分析インタフェースである。
モデル開発者によるユーザ調査によると、GenLensは、高い満足度で証明されたワークフローを効果的に強化する。
論文 参考訳（メタデータ） (2024-02-06T04:41:06Z) - Generative Artificial Intelligence for Software Engineering -- A
Research Agenda [8.685607624226037]
我々は、GenAI for Software Engineeringの研究アジェンダを開発するために、文献レビューと5ヶ月間のフォーカスグループを実施しました。
この結果から,GenAIを部分的自動化に適用し,すべてのソフトウェア開発活動における意思決定を支援することが可能であることが示唆された。
GenAIを実装する際の一般的な考慮事項は、業界レベルの評価、信頼性と正確性、データアクセシビリティ、透明性、技術に関連する持続可能性といった点である。
論文 参考訳（メタデータ） (2023-10-28T09:14:39Z) - A Comprehensive Survey of AI-Generated Content (AIGC): A History of
Generative AI from GAN to ChatGPT [63.58711128819828]
ChatGPTおよびその他の生成AI(GAI)技術は、人工知能生成コンテンツ(AIGC)のカテゴリに属している。
AIGCの目標は、コンテンツ作成プロセスをより効率的かつアクセスしやすくし、高品質なコンテンツをより高速に生産できるようにすることである。
論文 参考訳（メタデータ） (2023-03-07T20:36:13Z) - Investigating Explainability of Generative AI for Code through
Scenario-based Design [44.44517254181818]
生成AI(GenAI)技術は成熟し、ソフトウェア工学のようなアプリケーションドメインに適用されています。
私たちは43人のソフトウェアエンジニアと9つのワークショップを開催しました。そこでは、最先端のジェネレーティブAIモデルの実例を使って、ユーザの説明可能性のニーズを導き出しました。
我々の研究は、GenAIのコードに対する説明可能性の必要性を探求し、新しいドメインにおけるXAIの技術開発を人間中心のアプローチがいかに促進するかを実証する。
論文 参考訳（メタデータ） (2022-02-10T08:52:39Z)
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。