論文の概要: ARENA: A tool for measuring and analysing the energy efficiency of Android apps

• arxiv url: http://arxiv.org/abs/2510.01754v1
• Date: Thu, 02 Oct 2025 07:41:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:21.042789
• Title: ARENA: A tool for measuring and analysing the energy efficiency of Android apps
• Title（参考訳）: ARENA: Androidアプリのエネルギー効率の測定と分析ツール
• Authors: Hina Anwar,
• Abstract要約: Androidアプリのエネルギー消費は、ソフトウェアベースのアプローチとハードウェアベースのアプローチによって推定できる。 ARENAは開発者や研究者が物理的測定装置に接続できる支援ツールである。
• 参考スコア（独自算出の注目度）: 0.8883733362171031
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To build energy-efficient apps, there is a need to estimate and analyze their energy consumption in typical usage scenarios. The energy consumption of Android apps could be estimated via software-based and hardware-based approaches. Software-based approaches, while easier to implement, are not as accurate as hardware-based approaches. The process of measuring the energy consumption of an Android app via a hardware-based approach typically involves 1) setting up a measurement environment, 2) executing the app under test on a mobile device, 3) recording current/voltage data via a hardware device to measure energy consumption, and 4) cleaning and aggregating data for analyses, reports, and visualizations. Specialized scripts are written for selected hardware and software components to ensure reliable energy measurements. The energy measurement process is repeated many times and aggregated to remove noise. These steps make the hardware-based energy measurement process time-consuming and not easy to adapt or reproduce. There is a lack of open-source tools available for developers and researchers to take reliable energy measurements via hardware devices. In this paper, we present and demonstrate ARENA, a support tool that enables developers and researchers to connect to a physical measurement device without leaving the comfort of their IDE. Developers could use ARENA during development to compare energy consumption between different apps or versions of the same app. ARENA calculates energy consumption on an Android smartphone by executing a test scenario on the app under development. Further, ARENA helps aggregate, statistically analyze, report, and visualize the data, allowing developers and researchers to dig into the data directly or visually. We implemented ARENA as an IntelliJ and Android Studio plugin.
• Abstract（参考訳）: エネルギー効率の良いアプリを構築するには、典型的な利用シナリオでエネルギー消費を見積もり、分析する必要がある。 Androidアプリのエネルギー消費量は、ソフトウェアベースのアプローチとハードウェアベースのアプローチで見積もることができる。 ソフトウェアベースのアプローチは実装が容易だが、ハードウェアベースのアプローチほど正確ではない。 ハードウェアベースのアプローチでAndroidアプリのエネルギー消費を計測するプロセスは、典型的には 1【測定環境の整備】 2 携帯端末上でテスト中のアプリを実行すること。 3)エネルギー消費を測定するためのハードウェア装置を介して電流/電圧データを記録し、 4) 分析,報告,可視化のためのデータのクリーニング及び集約。 特別なスクリプトは、信頼できるエネルギー測定を保証するために、選択されたハードウェアとソフトウェアコンポーネント向けに書かれる。 エネルギー測定工程を何度も繰り返して集約してノイズを除去する。 これらのステップにより、ハードウェアベースのエネルギー測定プロセスは時間がかかり、適応や再現が困難になる。 開発者や研究者がハードウェアデバイスを介して信頼できるエネルギー測定を行うためのオープンソースツールが不足している。 本稿では、開発者や研究者がIDEの快適さを残さずに物理的測定装置に接続できる支援ツールであるARENAを提示、デモする。 開発者は開発中にARENAを使用して、異なるアプリや同じアプリのバージョン間でのエネルギー消費を比較することができる。 ARENAは開発中のアプリでテストシナリオを実行することで、Androidスマートフォン上のエネルギー消費量を算出する。 さらに、ARENAはデータを収集、統計分析、レポート、視覚化し、開発者と研究者が直接または視覚的にデータを掘り下げることを可能にする。 ARENAをIntelliJとAndroid Studioプラグインとして実装しました。

関連論文リスト

• CPPJoules: An Energy Measurement Tool for C++ [3.9373541926236766]
  CPPJoulesはIntel-RAPL上に構築されたC++コードスニペットのエネルギー消費を測定するツールである。 我々は,Rosetta Codeレポジトリから標準計算タスクのエネルギー消費を測定することで,ツールの評価を行った。
  論文  参考訳（メタデータ） (2024-12-18T07:11:56Z)
• SPA-Bench: A Comprehensive Benchmark for SmartPhone Agent Evaluation [89.24729958546168]
  スマートフォンエージェントは、ユーザーがデバイスを効率的に制御するのを助けるためにますます重要になっている。 We present SPA-Bench, a comprehensive SmartPhone Agent Benchmark designed to evaluate (M)LLM-based agent。
  論文  参考訳（メタデータ） (2024-10-19T17:28:48Z)
• EnergiBridge: Empowering Software Sustainability through Cross-Platform Energy Measurement [7.020557487424672]
  本稿では,Linux,Windows,ARM CPUアーキテクチャをサポートするクロスプラットフォーム計測ユーティリティであるEnergiBridgeについて述べる。 本質的に、EnergiBridgeはエネルギーを意識するソフトウェア工学と、それが運用する多様なソフトウェア環境との橋渡しとして機能する。 EnergiBridgeは、ソフトウェアのエネルギー測定を単純化することによって、グリーンソフトウェア開発をより軽量にし、教育をより包括的にし、研究をより再現可能なものにするための貴重なリソースを提供する。
  論文  参考訳（メタデータ） (2023-12-21T14:43:31Z)
• EnergyAnalyzer: Using Static WCET Analysis Techniques to Estimate the Energy Consumption of Embedded Applications [0.6144680854063939]
  EnergyAnalyzerは、組み込みソフトウェアのエネルギー消費を推定するためのコードレベルの静的解析ツールである。 これは、エネルギー特性が第一級市民である組み込みアプリケーションを開発するためのツールチェーンを提供することを目的とした、TeamPlayと呼ばれるより大きなプロジェクトの一部として開発された。
  論文  参考訳（メタデータ） (2023-05-24T10:01:32Z)
• EPAM: A Predictive Energy Model for Mobile AI [6.451060076703027]
  本稿では,異なるディープニューラルネットワーク(DNN)モデルと処理源を考慮したモバイルAIアプリケーションに関する総合的研究を紹介する。 4つの処理源を用いて,全モデルのレイテンシ,エネルギー消費,メモリ使用量を測定した。 私たちの研究は、CPU、GPU、NNAPIを使用して、異なるアプリケーション(ビジョンとノンビジョン)でモバイルAIがどのように振る舞うか、といった重要な洞察を強調しています。
  論文  参考訳（メタデータ） (2023-03-02T09:11:23Z)
• WEARDA: Recording Wearable Sensor Data for Human Activity Monitoring [3.5297361401370044]
  We present WEARDA, the open Source WEARable Sensor Data Acquisition software package。 WEARDAは、スマートウォッチによる人間の活動データ取得を容易にする。 4つのセンサーからの生データを同時に記録する機能を提供する。
  論文  参考訳（メタデータ） (2023-02-28T20:07:46Z)
• 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)
• SensiX: A Platform for Collaborative Machine Learning on the Edge [69.1412199244903]
  センサデータとセンサモデルの間に留まるパーソナルエッジプラットフォームであるSensiXを紹介する。 動作および音声に基づくマルチデバイスセンシングシステムの開発において,その有効性を示す。 評価の結果,SensiXは3mWのオーバヘッドを犠牲にして,全体の精度が7～13%向上し,環境のダイナミクスが最大30%向上することがわかった。
  論文  参考訳（メタデータ） (2020-12-04T23:06:56Z)
• Energy Drain of the Object Detection Processing Pipeline for Mobile Devices: Analysis and Implications [77.00418462388525]
  本稿では、移動体拡張現実(AR)クライアントのエネルギー消費と、畳み込みニューラルネットワーク(CNN)に基づく物体検出を行う際の検出遅延について、初めて詳細な実験を行った。 我々は,移動体ARクライアントのエネルギー分析を精査し,CNNによる物体検出を行う際のエネルギー消費に関するいくつかの興味深い視点を明らかにした。
  論文  参考訳（メタデータ） (2020-11-26T00:32:07Z)
• Integrated Benchmarking and Design for Reproducible and Accessible Evaluation of Robotic Agents [61.36681529571202]
  本稿では,開発とベンチマークを統合した再現性ロボット研究の新しい概念について述べる。 このセットアップの中心的なコンポーネントの1つはDuckietown Autolabであり、これは比較的低コストで再現可能な標準化されたセットアップである。 本研究では,インフラを用いて実施した実験の再現性を解析し,ロボットのハードウェアや遠隔実験室間でのばらつきが低いことを示す。
  論文  参考訳（メタデータ） (2020-09-09T15:31:29Z)
• Emerging App Issue Identification via Online Joint Sentiment-Topic Tracing [66.57888248681303]
  本稿では,MERITという新しい問題検出手法を提案する。 AOBSTモデルに基づいて、1つのアプリバージョンに対するユーザレビューに否定的に反映されたトピックを推測する。 Google PlayやAppleのApp Storeで人気のアプリに対する実験は、MERITの有効性を実証している。
  論文  参考訳（メタデータ） (2020-08-23T06:34:05Z)

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。