論文の概要: AutoBridge: Automating Smart Device Integration with Centralized Platform
- arxiv url: http://arxiv.org/abs/2507.23178v1
- Date: Thu, 31 Jul 2025 01:14:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-01 17:19:08.923139
- Title: AutoBridge: Automating Smart Device Integration with Centralized Platform
- Title（参考訳）: AutoBridge: 集中型プラットフォームによるスマートデバイス統合の自動化
- Authors: Siyuan Liu, Zhice Yang, Huangxun Chen,
- Abstract要約: AutoBridgeは、IoT統合コードを生成するための分断型戦略を実装している。
平均的な成功率は93.87%であり、平均的な機能カバレッジは94.87%である。
15人の参加者によるユーザ調査によると、AutoBridgeはエキスパートプログラマを50%から80%の精度で上回っている。
- 参考スコア（独自算出の注目度）: 10.962240689805709
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multimodal IoT systems coordinate diverse IoT devices to deliver human-centered services. The ability to incorporate new IoT devices under the management of a centralized platform is an essential requirement. However, it requires significant human expertise and effort to program the complex IoT integration code that enables the platform to understand and control the device functions. Therefore, we propose AutoBridge to automate IoT integration code generation. Specifically, AutoBridge adopts a divide-and-conquer strategy: it first generates device control logic by progressively retrieving device-specific knowledge, then synthesizes platformcompliant integration code using platform-specific knowledge. To ensure correctness, AutoBridge features a multi-stage debugging pipeline, including an automated debugger for virtual IoT device testing and an interactive hardware-in-the-loop debugger that requires only binary user feedback (yes and no) for real-device verification. We evaluate AutoBridge on a benchmark of 34 IoT devices across two open-source IoT platforms. The results demonstrate that AutoBridge can achieves an average success rate of 93.87% and an average function coverage of 94.87%, without any human involvement. With minimal binary yes and no feedback from users, the code is then revised to reach 100% function coverage. A user study with 15 participants further shows that AutoBridge outperforms expert programmers by 50% to 80% in code accuracy, even when the programmers are allowed to use commercial code LLMs.
- Abstract（参考訳）: マルチモーダルIoTシステムは、さまざまなIoTデバイスをコーディネートして、人間中心のサービスを提供する。
新しいIoTデバイスを集中型プラットフォーム管理に組み込む能力は、必須の要件である。
しかし、プラットフォームがデバイス機能の理解と制御を可能にする複雑なIoT統合コードをプログラムするためには、人間の専門知識と労力がかなり必要になる。
そこで我々は,IoT統合コード生成を自動化するAutoBridgeを提案する。
デバイス固有の知識を段階的に取得してデバイス制御ロジックを生成し、プラットフォーム固有の知識を使用してプラットフォーム準拠の統合コードを合成する。
正確性を保証するため、AutoBridgeは、仮想IoTデバイステストのための自動デバッガと、実際のデバイス検証のためにバイナリユーザフィードバック(yes and no)のみを必要とする対話型ハードウェアインザループデバッガを含む、マルチステージデバッグパイプラインを備えている。
2つのオープンソースIoTプラットフォームにわたる34のIoTデバイスのベンチマークでAutoBridgeを評価した。
その結果、AutoBridgeは平均的な成功率93.87%、平均的な機能カバレッジ94.87%を人間の関与なしに達成できることが示された。
最小限のバイナリイエスとユーザからのフィードバックなしで、コードは100%の関数カバレッジに達するように修正される。
さらに15人の参加者によるユーザスタディでは、AutoBridgeが商用コードLLMの使用を許された場合でも、エキスパートプログラマのコード精度を50%から80%上回っていることが示されている。
関連論文リスト
- EmbedGenius: Towards Automated Software Development for Generic Embedded IoT Systems [11.524778651869044]
本稿では,汎用IoTシステムのための,最初の完全自動化ソフトウェア開発プラットフォームであるEmbedGeniusを紹介する。
鍵となるアイデアは、Large Language Models(LLM)の推論能力と組み込みシステムの専門知識を活用して、ループ内ハードウェア開発プロセスを自動化することである。
71のモジュールと350以上のIoTタスクを備えた4つのメインストリームの組み込み開発プラットフォームで、EmbedGeniusのパフォーマンスを評価しました。
論文 参考訳（メタデータ） (2024-12-12T08:34:12Z) - AutoIoT: Automated IoT Platform Using Large Language Models [14.481067833984474]
AutoIoTは、Large Language Models(LLM)とフォーマルな検証技術に基づく、IoT自動化プラットフォームである。
我々は、AutoIoTが、ユーザーがコンフリクトのない自動化ルールを生成し、コンフリクト検出のためのコードを生成するのにどのように役立つかを示す。
論文 参考訳（メタデータ） (2024-11-16T02:02:01Z) - AutoGLM: Autonomous Foundation Agents for GUIs [51.276965515952]
我々は、グラフィカルユーザインタフェース(GUI)を介してデジタルデバイスを自律的に制御するための基礎エージェントとして設計された、ChatGLMファミリーの新しいシリーズであるAutoGLMを紹介する。
実世界のGUIインタラクションのための実践的基礎エージェントシステムとしてAutoGLMを開発した。
評価では、AutoGLMが複数のドメインにまたがって有効であることを示す。
論文 参考訳（メタデータ） (2024-10-28T17:05:10Z) - IoT-LM: Large Multisensory Language Models for the Internet of Things [70.74131118309967]
IoTエコシステムは、モーション、サーマル、ジオロケーション、イメージング、ディープ、センサー、オーディオといった、現実世界のモダリティの豊富なソースを提供する。
機械学習は、IoTデータを大規模に自動的に処理する豊富な機会を提供する。
IoTエコシステムに適した,オープンソースの大規模マルチセンサ言語モデルであるIoT-LMを紹介します。
論文 参考訳（メタデータ） (2024-07-13T08:20:37Z) - ROS-LLM: A ROS framework for embodied AI with task feedback and structured reasoning [74.58666091522198]
非専門家による直感的なロボットプログラミングのためのフレームワークを提案する。
ロボットオペレーティングシステム(ROS)からの自然言語のプロンプトと文脈情報を活用する
我々のシステムは,大規模言語モデル (LLM) を統合し,非専門家がチャットインタフェースを通じてシステムにタスク要求を記述できるようにする。
論文 参考訳（メタデータ） (2024-06-28T08:28:38Z) - Integration of Mixture of Experts and Multimodal Generative AI in Internet of Vehicles: A Survey [82.84057882105931]
ジェネレーティブAI(GAI)は、IoT(Internet of Vehicles)におけるインテリジェントモジュールの認知、推論、計画能力を高めることができる。
IoVにおけるGAI, MoE, およびそれらの相互作用応用の基礎を提示する。
我々はIoVにおけるMoEとGAIの統合の可能性について論じ、分散認識とモニタリング、協調的な意思決定と計画、生成モデリングとシミュレーションを含む。
論文 参考訳（メタデータ） (2024-04-25T06:22:21Z) - IoT Device Labeling Using Large Language Models [3.3044728148521623]
AIソリューションは、これまで見たことがなく、ラベルが不明なIoTデバイスにラベルを付けることができるのか?
提案ソリューションでは,ネットワークトラフィックからドメイン名やカタログなどのテキスト機能を抽出し,Google検索データを用いて,ベンダやデバイス機能のカタログと並行して,これらの機能を充実させる。
このソリューションは、Large Language Models(LLM)を使用して、これらの新興デバイスタイプを更新する自動更新メカニズムも統合している。
論文 参考訳（メタデータ） (2024-03-03T18:41:22Z) - U-TOE: Universal TinyML On-board Evaluation Toolkit for Low-Power IoT [3.981958767941474]
U-TOEはIoTデザイナと研究者の作業を容易にするために設計されたユニバーサルツールキットである。
我々は,U-TOEのオープンソース実装を提供し,様々なモデルの性能を実験的に評価するためにその利用を実証する。
論文 参考訳（メタデータ） (2023-06-26T10:35:31Z) - Learning, Computing, and Trustworthiness in Intelligent IoT
Environments: Performance-Energy Tradeoffs [62.91362897985057]
Intelligent IoT Environment(iIoTe)は、半自律IoTアプリケーションを協調実行可能な異種デバイスで構成されている。
本稿では,これらの技術の現状を概観し,その機能と性能,特にリソース,レイテンシ,プライバシ,エネルギー消費のトレードオフに注目した。
論文 参考訳（メタデータ） (2021-10-04T19:41:42Z) - RL-IoT: Towards IoT Interoperability via Reinforcement Learning [3.939866872704532]
未知のIoTデバイスとのインタラクションを探索するシステムであるRL-IoTを提案する。
強化学習を活用し、プロトコルメッセージの意味を理解し、特定の目標を達成するためにデバイスを制御します。
適切に調整されたパラメータによって、RL-IoTはターゲットデバイスでアクションを実行する方法を学び、400のインタラクションで非自明なパターンを完成させる。
論文 参考訳（メタデータ） (2021-05-03T14:09:03Z)
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。