論文の概要: Before Autonomy Takes Control: Software Testing in Robotics
- arxiv url: http://arxiv.org/abs/2602.02293v1
- Date: Mon, 02 Feb 2026 16:30:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-03 19:28:34.29366
- Title: Before Autonomy Takes Control: Software Testing in Robotics
- Title（参考訳）: 自律性が制御する前:ロボティクスにおけるソフトウェアテスト
- Authors: Nils Chur, Thiago Santos de Moura, Argentina Ortega, Sven Peldszus, Thorsten Berger, Nico Hochgeschwender, Yannic Noller,
- Abstract要約: 247人のロボティクスが論文をテストし、それらをソフトウェアテストにマップする。
本稿では、ロボット工学における最先端ソフトウェアテストについて、実例で論じ、現状の課題について論じる。
- 参考スコア（独自算出の注目度）: 8.22699264409519
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Robotic systems are complex and safety-critical software systems. As such, they need to be tested thoroughly. Unfortunately, robot software is intrinsically hard to test compared to traditional software, mainly since the software needs to closely interact with hardware, account for uncertainty in its operational environment, handle disturbances, and act highly autonomously. However, given the large space in which robots operate, anticipating possible failures when designing tests is challenging. This paper presents a mapping study by considering robotics testing papers and relating them to the software testing theory. We consider 247 robotics testing papers and map them to software testing, discussing the state-of-the-art software testing in robotics with an illustrated example, and discuss current challenges. Forming the basis to introduce both the robotics and software engineering communities to software testing challenges. Finally, we identify open questions and lessons learned.
- Abstract（参考訳）: ロボットシステムは複雑で安全に重要なソフトウェアシステムである。
そのため、徹底的にテストする必要がある。
ロボットソフトウェアは、ハードウェアとの密接なインタラクション、運用環境の不確実性の説明、障害の処理、そして高度に自律的な動作を必要とするため、従来のソフトウェアと比較して本質的にテストが難しい。
しかし、ロボットが動作する大きな空間を考えると、テストの設計時に起こりうる失敗を期待することは困難である。
本稿では,ロボットテスト論文を考察し,ソフトウェアテスト理論と関連づけたマッピング研究について述べる。
我々は247人のロボティクステスト論文をソフトウェアテストにマッピングし、ロボット工学における最先端のソフトウェアテストについて、実例で議論し、現在の課題について議論する。
ソフトウェアテストの課題にロボティクスとソフトウェアエンジニアリングのコミュニティを導入するための基盤を形成する。
最後に、オープンな質問と教訓を特定します。
関連論文リスト
- A roadmap for AI in robotics [55.87087746398059]
AIの可能性を生かして、私たちの日常生活にロボットを配備する上での、際立った障壁に取り組みたいと考えています。
この記事では、1990年代からロボット工学におけるAIが達成したことを評価し、課題と約束を列挙した短期的・中期的な研究ロードマップを提案する。
論文 参考訳（メタデータ） (2025-07-26T15:18:28Z) - A Retrospective on the Robot Air Hockey Challenge: Benchmarking Robust, Reliable, and Safe Learning Techniques for Real-world Robotics [53.33976793493801]
私たちは、NeurIPS 2023カンファレンスでRobot Air Hockey Challengeを組織しました。
我々は、シム・トゥ・リアルギャップ、低レベルの制御問題、安全性問題、リアルタイム要件、実世界のデータの限られた可用性など、ロボット工学における実践的な課題に焦点を当てる。
その結果、学習に基づくアプローチと事前知識を組み合わせたソリューションは、実際のデプロイメントが困難である場合にデータのみに依存するソリューションよりも優れていることがわかった。
論文 参考訳（メタデータ） (2024-11-08T17:20:47Z) - Controlling diverse robots by inferring Jacobian fields with deep networks [48.279199537720714]
自然生物の複雑な構造と多様な機能を反映することは、ロボット工学における長年の課題である。
本稿では,深層ニューラルネットワークを用いてロボットの映像ストリームをバイスモータヤコビアン場にマッピングする手法を提案する。
提案手法は,正確なクローズドループ制御を実現し,各ロボットの因果動的構造を復元する。
論文 参考訳（メタデータ） (2024-07-11T17:55:49Z) - Runtime Verification and Field-based Testing for ROS-based Robotic Systems [8.675312581079039]
ROSベースのシステムを設計して実行時の検証とフィールドベースのテストを可能にするための明確なガイダンスは存在しない。
本稿では、開発者と品質保証(QA)チームが現場でロボットを開発し、検証し、テストするためのガイドラインを提供することで、このギャップを埋めることを目的とする。
論文 参考訳（メタデータ） (2024-04-17T15:52:29Z) - Software Engineering for Robotics: Future Research Directions; Report
from the 2023 Workshop on Software Engineering for Robotics [0.0]
Software Engineering for Roboticsは2023年10月にミシガン州デトロイトで開催された。
ワークショップの目標は、ロボット工学とソフトウェア工学にまたがる思想的リーダーを集結させ、コミュニティを結集させることだった。
本報告は,ワークショップの動機,活動,成果をまとめたものである。
論文 参考訳（メタデータ） (2024-01-22T19:21:44Z) - Tiny Robot Learning: Challenges and Directions for Machine Learning in
Resource-Constrained Robots [57.27442333662654]
機械学習(ML)は、コンピュータシステムにまたがる普及したツールとなっている。
ティニー・ロボット・ラーニング(Tiny Robot Learning)とは、リソースに制約された低コストの自律ロボットにMLを配置する手法である。
小型ロボット学習は、サイズ、重量、面積、パワー(SWAP)の制約によって困難にさらされる。
本稿では,小型ロボットの学習空間を簡潔に調査し,重要な課題を詳述し,MLシステム設計における将来的な仕事の機会を提案する。
論文 参考訳（メタデータ） (2022-05-11T19:36:15Z) - Artificial Intelligence in Software Testing : Impact, Problems,
Challenges and Prospect [0.0]
この研究は、テストにAIを適用しながら、ソフトウェアテスタが直面する最も大きな課題を認識し、説明することを目的としている。
この記事では、ソフトウェアテストの分野におけるAIの今後の重要な貢献についても提案する。
論文 参考訳（メタデータ） (2022-01-14T10:21:51Z) - 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) - Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。
ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。
本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文 参考訳（メタデータ） (2020-05-27T11:56:56Z)
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。