論文の概要: From Sensors to Insight: Rapid, Edge-to-Core Application Development for Sensor-Driven Applications
- arxiv url: http://arxiv.org/abs/2605.02859v1
- Date: Mon, 04 May 2026 17:36:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-05 20:33:50.435461
- Title: From Sensors to Insight: Rapid, Edge-to-Core Application Development for Sensor-Driven Applications
- Title（参考訳）: センサからインサイトへ: センサ駆動アプリケーションのための高速でエッジからコアアプリケーション開発
- Authors: Komal Thareja, Anirban Mandal, Ewa Deelman,
- Abstract要約: 科学者たちはセンサーベースのデータにますます依存しているが、生のストリームをエッジからクラウドへの連続体に関する洞察に変換することは依然として難しい。
本稿では,センサ駆動アプリケーションの迅速な開発のための経験駆動手法を提案する。
- 参考スコア（独自算出の注目度）: 0.8534027403810152
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Scientists increasingly rely on sensor-based data, yet transforming raw streams into insights across the edge-to-cloud continuum remains difficult. Provisioning heterogeneous infrastructure and managing execution on emerging platforms like Data Processing Units typically requires cross-domain expertise, creating significant barriers to rapid prototyping. This paper introduces an experience-driven methodology for the rapid development of sensor-driven applications. By combining pattern-based workflow engineering with AI-assisted development-implemented via Pegasus on the FABRIC testbed - we utilize an existing Orcasound hydrophone workflow as a reusable template. We introduce a pattern-based engineering methodology to generate and refine workflows for air quality, earthquake, and soil moisture monitoring. Furthermore, we show how these abstract structures are extended to edge resources through modular configuration and placement. Our evaluation focuses on user productivity and practical lessons rather than peak performance. Through these case studies, we illustrate how AI-assisted, pattern-based development lowers the entry barrier for non-experts and enables iterative exploration of sensor-driven applications across distributed infrastructures.
- Abstract（参考訳）: 科学者たちはセンサーベースのデータにますます依存しているが、生のストリームをエッジからクラウドへの連続体に関する洞察に変換することは依然として難しい。
データ処理ユニットのような新興プラットフォーム上での不均一なインフラストラクチャをプロビジョニングし、実行を管理するには、一般的にクロスドメインな専門知識が必要です。
本稿では,センサ駆動アプリケーションの迅速な開発のための経験駆動手法を提案する。
パターンベースのワークフローエンジニアリングと、FABRICテストベッド上でPegasus経由で実装されたAI支援開発を組み合わせることで、既存のOrcasoundハイドロフォンワークフローを再利用可能なテンプレートとして利用しています。
大気質, 地震, 土壌水分モニタリングのためのワークフローを作成, 洗練するためのパターンベース工学手法を提案する。
さらに,これらの抽象構造が,モジュール構成や配置によってエッジリソースにどのように拡張されるかを示す。
本評価は,ピーク性能よりもユーザ生産性と実践的教訓に重点を置いている。
これらのケーススタディを通じて、AIによるパターンベースの開発が、非専門家の参入障壁を低くし、分散インフラストラクチャをまたいだセンサー駆動アプリケーションの反復的な探索を可能にする方法について説明する。
関連論文リスト
- (POSTER) From Sensors to Insight: Rapid, Edge-to-Core Application Development for Sensor-Driven Applications [0.8534027403810152]
本稿では,センサ駆動アプリケーションの迅速な開発のためのパターンベースAI支援手法を提案する。
コードファーストからインテントファーストの設計へと、ビルドとデプロイメントをシフトする5ステップの開発ループを実演します。
私たちの評価は、初心者のPegasusユーザの視点から、AI支援パターンの再利用がワークフロー1日あたり1～1.5日までの多段階ワークフロー開発を圧縮することを示している。
論文 参考訳（メタデータ） (2026-05-04T17:21:37Z) - Scalable AI-assisted Workflow Management for Detector Design Optimization Using Distributed Computing [0.7287445515583322]
本稿では,多目的ベイズ最適化を統合した検出器設計最適化のためのAI支援フレームワークを提案する。
我々は、Electron-Ion Collider(EIC)のためのベンチマーク問題とePICおよびdRICH検出器の現実的研究を用いたフレームワークを実証する。
その結果、多目的最適化における自動化、スケーラビリティ、効率性が向上した。
論文 参考訳（メタデータ） (2026-03-31T17:11:16Z) - Towards Agentic Intelligence for Materials Science [73.4576385477731]
この調査は、コーパスキュレーションからプレトレーニングから、シミュレーションと実験プラットフォームに面した目標条件付きエージェントまで、ユニークなパイプライン中心の視点を推し進める。
コミュニティをブリッジし、参照の共有フレームを確立するために、まず、AIと材料科学をまたいだ用語、評価、ワークフローの段階を整列する統合レンズを提示する。
論文 参考訳（メタデータ） (2026-01-29T23:48:43Z) - Cognitive Platform Engineering for Autonomous Cloud Operations [0.14658400971135652]
本稿では,センサ,推論,自律行動を直接プラットフォームライフサイクルに統合する次世代パラダイムであるCognitive Platform Engineeringを紹介する。
Terraform、Open Policy Agent、MLベースの異常検出で構築されたプロトタイプ実装では、平均時間から解決時間、リソース効率、コンプライアンスが改善されている。
論文 参考訳（メタデータ） (2026-01-24T18:17:49Z) - Advances and Frontiers of LLM-based Issue Resolution in Software Engineering: A Comprehensive Survey [59.3507264893654]
課題解決は、現実世界の開発に不可欠な複雑なソフトウェアエンジニアリングタスクです。
SWE-benchのようなベンチマークでは、このタスクは大規模言語モデルでは極めて困難であることが判明した。
本稿では,この新興領域を体系的に調査する。
論文 参考訳（メタデータ） (2026-01-15T18:55:03Z) - Simple Agents Outperform Experts in Biomedical Imaging Workflow Optimization [69.36509281190662]
生産レベルのコンピュータビジョンツールを科学データセットに適応させることは、重要な"ラストマイル"ボトルネックである。
我々は、AIエージェントを使ってこの手動コーディングを自動化し、最適なエージェント設計のオープンな問題に焦点を当てる。
簡単なエージェントフレームワークが、人間-専門家のソリューションよりも優れた適応コードを生成することを実証する。
論文 参考訳（メタデータ） (2025-12-02T18:42:26Z) - AI-Enhanced Automatic Design of Efficient Underwater Gliders [60.45821679800442]
自動設計フレームワークの構築は、グライダー形状を表現する複雑さと、複雑な固体-流体相互作用をモデル化する際の計算コストが高いため、困難である。
非自明な船体形状の水中ロボットを作れるようにすることで、これらの制限を克服するAI強化型自動計算フレームワークを導入する。
提案手法は, 形状と制御信号の両面を協調的に最適化するアルゴリズムで, 低次幾何表現と微分可能なニューラルネット型流体代理モデルを用いる。
論文 参考訳（メタデータ） (2025-04-30T23:55:44Z) - DynST: Dynamic Sparse Training for Resource-Constrained Spatio-Temporal Forecasting [31.398965880415492]
地球科学システムは、センサーの広範な展開に大きく依存している。
従来のセンサー配置アプローチでは、特定のアルゴリズムを使用してセンサーを設計および展開する。
本稿では,スパース時間データダイナミックスパーストレーニングの概念を初めて紹介し,適応的かつ動的に重要な分布センサをフィルタリングすることにコミットする。
論文 参考訳（メタデータ） (2024-03-05T12:31:24Z) - Distributed intelligence on the Edge-to-Cloud Continuum: A systematic
literature review [62.997667081978825]
このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。
現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
論文 参考訳（メタデータ） (2022-04-29T08:06:05Z) - Towards AIOps in Edge Computing Environments [60.27785717687999]
本稿では,異種分散環境に適用可能なaiopsプラットフォームのシステム設計について述べる。
高頻度でメトリクスを収集し、エッジデバイス上で特定の異常検出アルゴリズムを直接実行することが可能である。
論文 参考訳（メタデータ） (2021-02-12T09:33:00Z)
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。