論文の概要: Shedding Light onto Safety Integrity Level and Basic Software Constraints in a Real-World Automotive Application: Case Study with Driverator Framework
- arxiv url: http://arxiv.org/abs/2605.04837v1
- Date: Wed, 06 May 2026 12:34:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-07 18:41:07.813025
- Title: Shedding Light onto Safety Integrity Level and Basic Software Constraints in a Real-World Automotive Application: Case Study with Driverator Framework
- Title（参考訳）: 現実の自動車アプリケーションにおける安全統合レベルと基本ソフトウェア制約への光の注入--ドライバフレームワークを用いたケーススタディ
- Authors: Tobias Denzinger, Matthias Becker, Peter Ulbrich,
- Abstract要約: 基本的な機能やタスクを異なる安全性レベルでの不適切な共有は、重要な機能の完全性を損なう可能性がある。
メモリアーキテクチャとSIL固有の依存関係の多様性を考えると、メモリ要件もまた重要な課題である。
本稿では,複雑度,基本ソフトウェア,メモリ要件に基づく自動車アプリケーションを記述することで,実世界の自動車アプリケーションを完全に特徴付ける。
- 参考スコア（独自算出の注目度）: 0.45880283710344066
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automotive electronic control units (ECUs) are intricate systems with hundreds of individual functions, numerous software components, and multiple interdependent tasks. A prevalent structural pattern in these systems are so-called cause-effect chains. While significant research efforts have been dedicated to the temporal analysis and optimization of these chains, particularly minimizing data age and function response times, other crucial non-functional properties remain relatively underexplored. In particular, the safety integrity level (SIL) classification substantially influences the system design by determining task colocation strategies. Improper sharing of functions or interweaving tasks with different safety levels can compromise the integrity of critical functions. Additionally, AUTOSAR basic software (BSW) (e.g. OS, runtime environment, communication stacks, or diagnostics) introduces complexity that varies based on task characteristics and SIL categories. Furthermore, memory requirements present another critical challenge, given the diversity of memory architectures and SIL-specific dependencies that strongly constrain task allocations. This paper thoroughly characterizes a real-world automotive application, describing an automotive application based on SIL constraints, the impact of basic software, and memory requirements. In this context, the Driverator configuration framework is introduced for scalable system analysis.
- Abstract（参考訳）: 自動車電子制御ユニット(Automotive Electronic Control Unit、ECU)は、数百の個別機能、多数のソフトウェアコンポーネント、複数の相互依存タスクを備えた複雑なシステムである。
これらのシステムにおける一般的な構造パターンは、いわゆる因果連鎖である。
これらの連鎖の時間的解析と最適化、特にデータ年齢と関数応答時間の最小化に多大な研究努力が注がれているが、他の重要な非機能的特性はいまだに未発見のままである。
特に、安全整合度レベル(SIL)の分類は、タスクのコロケーション戦略を決定することによってシステム設計に大きく影響する。
不適切な機能共有や、異なる安全性レベルでの相互作業は、重要な機能の完全性を損なう可能性がある。
さらに、AUTOSAR基本ソフトウェア(OS、ランタイム環境、通信スタック、診断など)は、タスク特性やSILカテゴリによって異なる複雑さを導入している。
さらに、メモリアーキテクチャの多様性とタスク割り当てを強く制約するSIL固有の依存関係を考えると、メモリ要件もまた重要な課題である。
本稿では,SIL制約,基本ソフトウェアの影響,メモリ要件に基づく自動車アプリケーションについて述べる。
この文脈では、スケーラブルなシステム分析のためにDriverator設定フレームワークが導入される。
関連論文リスト
- A Classification of Heterogeneity in Uncrewed Vehicle Swarms and the Effects of Its Inclusion on Overall Swarm Resilience [0.27998963147546146]
本研究は3つの要因に基づいて異なる種類の群をグループ化するための体系的枠組みを提供する。
この分析は、多種多様な能力を活用できるため、異種群はより弾力性が高いことを示している。
学習ベースのコーディネート、GPSによるマルチロボットSLAM、ドメイン固有の商用展開は、ヘテロジニアススウォーム技術が高価値アプリケーションの準備に近づいていることを示している。
論文 参考訳（メタデータ） (2026-03-30T05:57:27Z) - Architecture-Aware Multi-Design Generation for Repository-Level Feature Addition [53.50448142467294]
RAIMは、リポジトリレベルの機能追加のための、多設計およびアーキテクチャ対応のフレームワークである。
複数の多様な実装設計を生成することで、線形パッチから切り離される。
NoCode-bench Verifiedデータセットの実験では、RAIMが新しい最先端のパフォーマンスを確立することが示されている。
論文 参考訳（メタデータ） (2026-03-02T12:50:40Z) - The AI Hippocampus: How Far are We From Human Memory? [77.04745635827278]
インプリシットメモリは、事前訓練されたトランスフォーマーの内部パラメータに埋め込まれた知識を指す。
明示メモリは、動的でクエリ可能な知識表現でモデル出力を増大させるように設計された外部ストレージと検索コンポーネントを含んでいる。
エージェントメモリは、自律エージェント内に永続的、時間的に拡張されたメモリ構造を導入する。
論文 参考訳（メタデータ） (2026-01-14T03:24:08Z) - An AUTOSAR-Aligned Architectural Study of Vulnerabilities in Automotive SoC Software [6.313369851991342]
本研究は、自動車のシステム・オン・チップ(SoC)脆弱性180件を分析した。
16の根本原因と56の影響を受けるソフトウェアモジュールを特定し、CWE(Common Weaknession)カテゴリとアーキテクチャレイヤの階層化遅延を調査した。
我々は、パッチの遅れを長くした主要な脆弱性パターンとクリティカルモジュールを発見し、自動車のCPSプラットフォームをセキュアにするための実用的な洞察を提供する。
論文 参考訳（メタデータ） (2025-10-09T08:38:06Z) - ASIL-Decomposition Based Resource Allocation Optimization for Automotive E/E Architectures [0.4143603294943439]
ソフトウェアコンポーネントを利用可能なハードウェアリソースに自動的にマッピングするアプローチを提案する。
既存のフレームワークと比較して,本手法はISO 26262規格に準拠した幅広い安全性解析を提供する。
我々は,臨界関数連鎖の開発コストと最大実行時間の両方を最小化するために,多目的最適化問題を定式化する。
論文 参考訳（メタデータ） (2025-05-10T15:48:29Z) - An Integrated Artificial Intelligence Operating System for Advanced Low-Altitude Aviation Applications [4.62967829580797]
本稿では,低高度航空に適した高性能人工知能オペレーティングシステムを提案する。
リアルタイムタスク実行、計算効率、シームレスなモジュールコラボレーションといった重要な課題に対処する。
論文 参考訳（メタデータ） (2024-11-28T01:24:16Z) - Creating Scalable AGI: the Open General Intelligence Framework [0.0]
Open General Intelligence (OGI)は、Artificial General Intelligence (AGI)のマクロデザイン参照として機能する新しいシステムアーキテクチャである。
OGIは、単一のシステムとしてシームレスに動作可能な複数の特別なモジュール間で認識が実行されなければならないという前提に基づいて、インテリジェントシステムの設計にモジュラーアプローチを採用する。
OGIフレームワークは、今日のインテリジェントシステムで見られる課題を克服し、より包括的でコンテキスト対応の問題解決能力を実現することを目的としている。
論文 参考訳（メタデータ） (2024-11-24T13:17:53Z) - Evaluating Model-free Reinforcement Learning toward Safety-critical
Tasks [70.76757529955577]
本稿では、国家安全RLの観点から、この領域における先行研究を再考する。
安全最適化と安全予測を組み合わせた共同手法であるUnrolling Safety Layer (USL)を提案する。
この領域のさらなる研究を容易にするため、我々は関連するアルゴリズムを統一パイプラインで再現し、SafeRL-Kitに組み込む。
論文 参考訳（メタデータ） (2022-12-12T06:30:17Z) - On a Uniform Causality Model for Industrial Automation [61.303828551910634]
産業自動化の様々な応用分野に対する一様因果モデルを提案する。
得られたモデルは、サイバー物理システムの振る舞いを数学的に記述する。
このモデルは、機械学習に焦点を当てた産業自動化における新しいアプローチの応用の基盤として機能することが示されている。
論文 参考訳（メタデータ） (2022-09-20T11:23:51Z) - Safe RAN control: A Symbolic Reinforcement Learning Approach [62.997667081978825]
本稿では,無線アクセスネットワーク(RAN)アプリケーションの安全管理のためのシンボル強化学習(SRL)アーキテクチャを提案する。
我々は、ユーザが所定のセルネットワークトポロジに対して高レベルの論理的安全性仕様を指定できる純粋に自動化された手順を提供する。
ユーザがシステムに意図仕様を設定するのを支援するために開発されたユーザインターフェース(UI)を導入し、提案するエージェントの動作の違いを検査する。
論文 参考訳（メタデータ） (2021-06-03T16:45:40Z) - CausalWorld: A Robotic Manipulation Benchmark for Causal Structure and
Transfer Learning [138.40338621974954]
CausalWorldは、ロボット操作環境における因果構造と伝達学習のベンチマークである。
タスクは、ブロックのセットから3D形状を構築することで構成される。
論文 参考訳（メタデータ） (2020-10-08T23:01:13Z)
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。