論文の概要: Generative AI in Simulation-Based Test Environments for Large-Scale Cyber-Physical Systems: An Industrial Study

• arxiv url: http://arxiv.org/abs/2512.05507v1
• Date: Fri, 05 Dec 2025 08:09:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-13 22:40:56.947829
• Title: Generative AI in Simulation-Based Test Environments for Large-Scale Cyber-Physical Systems: An Industrial Study
• Title（参考訳）: 大規模サイバー物理システムのためのシミュレーションベーステスト環境における生成AI:産業研究
• Authors: Masoud Sadrnezhaad, José Antonio Hernández López, Torvald Mårtensson, Daniel Varro,
• Abstract要約: 大規模サイバー物理システムの品質保証は高度なテスト活動に依存している。 生成AIの最近の進歩は、ソフトウェアシステムの実行可能なテストケースを生成できるツールにつながっている。 大規模サイバー物理システムのシミュレーションに基づくテストへの生成AI技術の応用は、まだ未調査である。
• 参考スコア（独自算出の注目度）: 2.432409923443071
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Quality assurance for large-scale cyber-physical systems relies on sophisticated test activities using complex test environments investigated with the help of numerous types of simulators. As these systems grow, extensive resources are required to develop and maintain simulation models of hardware and software components, as well as physical environments. Meanwhile, recent advances in generative AI have led to tools that can produce executable test cases for software systems, offering potential benefits such as reducing manual efforts or increasing test coverage. However, the application of generative AI techniques to simulation-based testing of large-scale cyber-physical systems remains underexplored. To better understand this gap, this study captures practitioners' perspectives on leveraging generative AI, based on a cross-company workshop with six organizations. Our contribution is twofold: (1) detailed, experience-based insights into challenges faced by engineers, and (2) a research agenda comprising three high-priority directions: (a) AI-generated scenarios and environment models, (b) simulators and AI in CI/CD pipelines, and (c) trustworthiness in generative AI for simulation. While participants acknowledged substantial potential, they also highlighted unresolved challenges. By detailing these issues, the paper aims to guide future academia-industry collaboration towards the responsible adoption of generative AI in simulation-based testing.
• Abstract（参考訳）: 大規模サイバー物理システムの品質保証は、様々な種類のシミュレータの助けを借りて調査された複雑なテスト環境を用いた高度なテスト活動に依存している。 これらのシステムが成長するにつれて、ハードウェアやソフトウェアコンポーネントのシミュレーションモデルや物理的環境の開発や維持に広範囲なリソースが必要である。 一方、ジェネレーティブAIの最近の進歩は、ソフトウェアシステムの実行可能なテストケースを生成し、手作業の削減やテストカバレッジの増加といった潜在的なメリットを提供するツールを生み出している。 しかし、大規模サイバー物理システムのシミュレーションに基づくテストへの生成AI技術の応用については、まだ未検討である。 このギャップをより深く理解するために、本研究では、6つの組織によるクロスコンパニオンワークショップに基づいて、生成AIを活用する実践者の視点を捉えた。 筆者らの貢献は,(1)技術者が直面する課題に関する詳細な経験に基づく洞察,(2)高優先度な3つの方向からなる研究課題である。 (a)AI生成シナリオと環境モデル b)CI/CDパイプラインにおけるシミュレータとAI (c)シミュレーションのための生成AIの信頼性。 参加者は大きな可能性を認めたが、未解決の課題も強調した。 これらの問題を詳述することにより、シミュレーションベースのテストにおける生成AIの責任ある採用に向けて、将来の学術・産業連携を導くことを目的としている。

関連論文リスト

• The Software Engineering Simulations Lab: Agentic AI for RE Quality Simulations [0.0]
  要求工学の品質(RE)は、いまだに逸話的で直観駆動である。 AIベースの開発が出現すると、要求品質の要因が変わる可能性がある。 本稿では、エージェントAIを用いたREシミュレーションのための第1のコンセプト、研究ロードマップ、プロトタイプ、および第1の実現可能性研究に貢献する。
  論文  参考訳（メタデータ） (2025-11-21T20:19:08Z)
• AI Simulation by Digital Twins: Systematic Survey, Reference Framework, and Mapping to a Standardized Architecture [9.087189607749094]
  不十分なデータ量と品質は、現代のサブシンボリックAIの採用における課題を迫っている。 これらの課題を軽減するために、AIシミュレーションは、シミュレーションされた合成データを使ってAIエージェントを安全かつ効率的に開発できる仮想トレーニング環境を使用する。 デジタル双生児は、これらの高忠実な物理システムの仮想レプリカが最先端のシミュレータを備えているため、AIシミュレーションに新たな道を開く。
  論文  参考訳（メタデータ） (2025-06-06T23:13:38Z)
• YuLan-OneSim: Towards the Next Generation of Social Simulator with Large Language Models [50.35333054932747]
  本稿では,YuLan-OneSimというソーシャルシミュレータを紹介する。 ユーザは、シミュレータとの自然言語インタラクションを通じて、シミュレーションシナリオを記述し、洗練することができます。 我々は、経済学、社会学、政治、心理学、組織、人口統計学、法律、コミュニケーションを含む8つの領域にまたがる50のデフォルトシミュレーションシナリオを実装した。
  論文  参考訳（メタデータ） (2025-05-12T14:05:17Z)
• Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [58.50944604905037]
  エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。 AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。 この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
  論文  参考訳（メタデータ） (2025-05-03T13:55:38Z)
• AI Agents and Education: Simulated Practice at Scale [0.0]
  本稿では,適応型教育シミュレーション作成における生成AIの可能性について検討する。 複数のAIエージェントのシステムを活用することで、シミュレーションはパーソナライズされた学習体験を提供することができる。 我々は、AIの教育提供能力を示すベンチャーキャピタルピッチシミュレータであるPitchQuestのプロトタイプについて説明する。
  論文  参考訳（メタデータ） (2024-06-20T05:26:04Z)
• 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)
• Software Testing of Generative AI Systems: Challenges and Opportunities [5.634825161148484]
  生成的AIシステムによってもたらされる課題について検討し、テスト分野における将来の研究機会について論じる。 従来のテスト技術が不十分あるいは不十分なGenAIシステムの特徴について触れます。
  論文  参考訳（メタデータ） (2023-09-07T08:35:49Z)

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。