論文の概要: Bridging Engineering and AI Planning through Model-Based Knowledge Transformation for the Validation of Automated Production System Variants

• arxiv url: http://arxiv.org/abs/2509.12091v1
• Date: Mon, 15 Sep 2025 16:18:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.393818
• Title: Bridging Engineering and AI Planning through Model-Based Knowledge Transformation for the Validation of Automated Production System Variants
• Title（参考訳）: 自動生産システム変数の検証のためのモデルベース知識変換によるブリッジエンジニアリングとAI計画
• Authors: Hamied Nabizada, Lasse Beers, Alain Chahine, Felix Gehlhoff, Oliver Niggemann, Alexander Fay,
• Abstract要約: 本稿では,記号的計画アーティファクトの仕様と自動生成を可能にするモデル駆動方式を提案する。 専用のSysMLプロファイルでは、コアプランニングのための再利用可能なステレオタイプが導入されている。 このメソッドはネイティブ統合をサポートし、エンジニアリングと計画アーティファクト間の一貫性を維持する。
• 参考スコア（独自算出の注目度）: 36.25050480925601
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Engineering models created in Model-Based Systems Engineering (MBSE) environments contain detailed information about system structure and behavior. However, they typically lack symbolic planning semantics such as preconditions, effects, and constraints related to resource availability and timing. This limits their ability to evaluate whether a given system variant can fulfill specific tasks and how efficiently it performs compared to alternatives. To address this gap, this paper presents a model-driven method that enables the specification and automated generation of symbolic planning artifacts within SysML-based engineering models. A dedicated SysML profile introduces reusable stereotypes for core planning constructs. These are integrated into existing model structures and processed by an algorithm that generates a valid domain file and a corresponding problem file in Planning Domain Definition Language (PDDL). In contrast to previous approaches that rely on manual transformations or external capability models, the method supports native integration and maintains consistency between engineering and planning artifacts. The applicability of the method is demonstrated through a case study from aircraft assembly. The example illustrates how existing engineering models are enriched with planning semantics and how the proposed workflow is applied to generate consistent planning artifacts from these models. The generated planning artifacts enable the validation of system variants through AI planning.
• Abstract（参考訳）: モデルベースシステムエンジニアリング(MBSE)環境で作成されたエンジニアリングモデルには、システム構造と振舞いに関する詳細な情報が含まれている。 しかし、それらは通常、プレコンディション、エフェクト、リソースの可用性とタイミングに関する制約のような象徴的な計画的セマンティクスを欠いている。 これにより、あるシステムの変種が特定のタスクを果たすことができるかどうか、そしてそれが代替システムと比較してどれだけ効率的に実行できるかを評価する能力が制限される。 このギャップに対処するため,SysMLベースのエンジニアリングモデルにおいて,シンボリックプランニングアーティファクトの仕様と自動生成を可能にするモデル駆動方式を提案する。 専用のSysMLプロファイルでは、コアプランニングのための再利用可能なステレオタイプが導入されている。 これらは既存のモデル構造に統合され、有効なドメインファイルと、計画ドメイン定義言語(PDDL)の対応する問題ファイルを生成するアルゴリズムによって処理される。 手動変換や外部機能モデルに依存する従来のアプローチとは対照的に、このメソッドはネイティブ統合をサポートし、エンジニアリングと計画アーティファクト間の一貫性を維持している。 本手法の適用性は,航空機組立のケーススタディにより実証された。 この例は、既存のエンジニアリングモデルが計画セマンティクスに富む方法と、提案されたワークフローがこれらのモデルから一貫した計画成果物を生成する方法を示している。 生成されたプランニングアーティファクトは、AI計画を通じてシステム変異の検証を可能にする。

関連論文リスト

• Model-based Workflow for the Automated Generation of PDDL Descriptions [42.956580283193176]
  このコントリビューションは、統合システムと製品モデルからPDDL記述を自動生成するための包括的なワークフローを提供する。 提案するワークフローは,MBSE(Model-Based Systems Engineering)を活用して,システムおよび製品情報の整理と管理を行う。 これらのモデルの変更が更新されたPDDL記述に素早く反映されることを保証し、効率的で適応可能な計画プロセスを容易にします。
  論文  参考訳（メタデータ） (2024-08-15T13:29:25Z)
• 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)
• Planning as In-Painting: A Diffusion-Based Embodied Task Planning Framework for Environments under Uncertainty [56.30846158280031]
  具体的AIのためのタスクプランニングは、最も難しい問題の1つだ。 In-paintingとしての計画」というタスク非依存の手法を提案する。 提案するフレームワークは,様々な具体的AIタスクにおいて,有望なパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-12-02T10:07:17Z)
• Code Generation for Machine Learning using Model-Driven Engineering and SysML [0.0]
  この研究は、機械学習タスクを形式化する以前の作業を拡張して、実践的なデータ駆動エンジニアリングの実装を促進することを目的としている。 本手法は,天気予報のためのケーススタディにおいて,実現可能性について評価した。 結果は、実装の労力を減らす方法の柔軟性と単純さを示します。
  論文  参考訳（メタデータ） (2023-07-10T15:00:20Z)
• DiMSam: Diffusion Models as Samplers for Task and Motion Planning under Partial Observability [58.75803543245372]
  タスク・アンド・モーション・プランニング(TAMP)アプローチは多段階自律ロボット操作の計画に適している。 本稿では,TAMPシステムを用いた拡散モデルの構築により,これらの制限を克服することを提案する。 古典的TAMP, 生成モデリング, 潜伏埋め込みの組み合わせによって, 多段階制約に基づく推論が可能となることを示す。
  論文  参考訳（メタデータ） (2023-06-22T20:40:24Z)
• Position Paper: Online Modeling for Offline Planning [2.8326418377665346]
  AI計画研究の重要な部分はアクションモデルの表現である。 この分野の成熟にもかかわらず、AI計画技術は研究コミュニティの外ではめったに使われない。 これは、モデリングプロセスが計画プロセスの前に行われ、完了したと仮定されているためである、と我々は主張する。
  論文  参考訳（メタデータ） (2022-06-07T14:48:08Z)
• Automated Evolutionary Approach for the Design of Composite Machine Learning Pipelines [48.7576911714538]
  提案手法は、複合機械学習パイプラインの設計を自動化することを目的としている。 パイプラインをカスタマイズ可能なグラフベースの構造で設計し、得られた結果を分析して再生する。 このアプローチのソフトウェア実装は、オープンソースフレームワークとして紹介されている。
  論文  参考訳（メタデータ） (2021-06-26T23:19:06Z)

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。