論文の概要: Towards LLM-Assisted Architecture Recovery for Real-World ROS~2 Systems: An Agent-Based Multi-Level Approach to Hierarchical Structural Architecture Reconstruction

• arxiv url: http://arxiv.org/abs/2605.20055v1
• Date: Tue, 19 May 2026 16:14:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:09.514342
• Title: Towards LLM-Assisted Architecture Recovery for Real-World ROS~2 Systems: An Agent-Based Multi-Level Approach to Hierarchical Structural Architecture Reconstruction
• Title（参考訳）: 実世界ROS~2システムのためのLLM支援アーキテクチャ回復に向けて:階層構造アーキテクチャ再構築のためのエージェントベースマルチレベルアプローチ
• Authors: Dominique Briechle, Raj Chanchad, Tobias Geger, Ruidi He, Dhruv Jajadiya, Dhruv Kapadiya, Andreas Rausch, Meng Zhang,
• Abstract要約: ROS2ベースのロボットシステムでは、構造的(デ-)分解と統合的セマンティクスは、しばしば分散アーティファクト間で暗黙的に符号化される。 既存のアプローチは主にノードレベルのエンティティと通信配線に重点を置いており、階層アーキテクチャを回復するための限定的なサポートを提供している。 これまでに提案した,ROS2システムのためのLCM支援アーキテクチャ回復パイプラインを,2つの大きな拡張を通じて拡張した。
• 参考スコア（独自算出の注目度）: 3.9110999693215724
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Explicit software architecture models are essential artifacts for communicating, analyzing, and evolving complex software-intensive systems. In ROS~2-based robotic systems, however, structural (de-)composition and integration semantics are often only implicitly encoded across distributed artifacts such as source code and launch files, making recovery of hierarchical architecture particularly difficult. Existing approaches mainly focus on node-level entities and communication wiring, while providing limited support for recovering hierarchical structural (de-)composition across multiple abstraction levels. In this paper, we extend our previously proposed blueprint-guided LLM-assisted architecture recovery pipeline for ROS~2 systems through two major enhancements: (1) refined prompting to improve the consistency and controllability of architecture synthesis, and (2) a staged recovery strategy based on multi-level intermediate architectural representations that incorporate the atomic ROS node list and launch file dependencies, thereby enabling structurally constrained reconstruction across multiple abstraction levels. The approach is evaluated on a real-world automated product disassembly system based on cooperative robotic arms and heterogeneous ROS~2 artifacts. Compared to our previous work, the considered case study exhibits substantially higher integration complexity and richer functionality. The results demonstrate improved structural consistency, scalability, and robustness of architecture recovery, while also revealing remaining challenges related to dynamic integration semantics in large-scale ROS~2 systems.
• Abstract（参考訳）: 明示的なソフトウェアアーキテクチャモデルは、複雑なソフトウェア集約システムの通信、分析、進化に欠かせない成果物である。 しかしながら、ROS~2ベースのロボットシステムでは、構造的(de-)分解と統合的セマンティクスはソースコードやローンチファイルなどの分散アーティファクトに暗黙的にのみ符号化されるため、階層的アーキテクチャの回復は特に困難である。 既存のアプローチは主にノードレベルのエンティティと通信配線に重点を置いている一方で、階層構造(de-)分割を複数の抽象化レベルにわたって回復するための限定的なサポートを提供している。 本稿では,(1)アーキテクチャ合成の一貫性と制御性を改善するための改良されたプロンプト,(2)アトミックなROSノードリストとファイル依存を組み込んだマルチレベル中間アーキテクチャ表現に基づく段階的リカバリ戦略により,複数の抽象化レベルにわたって構造的に制約された再構築を可能にする。 この手法は、協調ロボットアームと異種ROS〜2アーティファクトに基づく実世界の自動製品分解システムで評価される。 このケーススタディは、これまでの研究と比較すると、統合の複雑さとよりリッチな機能を示す。 その結果、アーキテクチャ回復における構造的一貫性、スケーラビリティ、ロバスト性の向上に加えて、大規模ROS~2システムにおける動的統合セマンティクスに関する残りの課題を明らかにした。

関連論文リスト

• Benchmarking Requirement-to-Architecture Generation with Hybrid Evaluation [8.867061253116367]
  大規模言語モデル(LLM)は、ソフトウェアエンジニアリングタスクの自動化において大きな可能性を証明している。 要件文書からソフトウェアアーキテクチャ設計を生成することは、ソフトウェア開発における重要なステップである。 R2ABenchは、さまざまな現実世界のソフトウェアプロジェクトと、包括的製品要求文書(PRD)と専門家による参照図を組み合わせた、新しいベンチマークである。
  論文  参考訳（メタデータ） (2026-04-08T04:58:36Z)
• Unified Architecture Metamodel of Information Systems Developed by Generative AI [0.0]
  本研究では,中小企業が選択したアーキテクチャフレームワークに基づいたLLM指向アプリケーションのための統一アーキテクチャ構築の課題について検討する。 いくつかの重要なアーキテクチャ図をカバーし、変換のクローズドサイクルをサポートするフレームワーク構造が提案されている。 実験では、アーキテクチャ図の形式で構造化されたアーキテクチャコンテキストを使用する場合、生成されたドキュメントとコードの安定した品質を実証した。
  論文  参考訳（メタデータ） (2026-03-31T19:22:15Z)
• 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)
• Modeling and Recovering Hierarchical Structural Architectures of ROS 2 Systems from Code and Launch Configurations using LLM-based Agents [3.4923417716883]
  サブシステムレベルのリコールは、暗黙的な起動セマンティクスによるリポジトリの複雑さを伴う。 産業規模のコードサブセットを含む,3つのROS2リポジトリに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2026-02-20T22:36:47Z)
• Designing Domain-Specific Agents via Hierarchical Task Abstraction Mechanism [61.01709143437043]
  階層型タスク抽象化機構(HTAM)を中心とした新しいエージェント設計フレームワークを提案する。 具体的には、HTAMは、社会的役割のエミュレーションを超えて、代わりに、複数のエージェントシステムを、あるドメインの固有のタスク依存グラフを反映する論理階層に構造化する。 我々は、複雑な地理空間解析に適したマルチエージェントシステムであるEarthAgentとして、このフレームワークをインスタンス化する。
  論文  参考訳（メタデータ） (2025-11-21T12:25:47Z)
• Generating Software Architecture Description from Source Code using Reverse Engineering and Large Language Model [2.6126272668390373]
  ソフトウェアアーキテクチャ記述(SAD)は、現代のソフトウェアシステムの本質的な複雑さを管理するために不可欠である。 SADは、しばしばシステムの実際の実装に不整合、時代遅れ、あるいは不整合である。 逆エンジニアリング(RE)技術とLarge Language Model(LLM)を統合し,ソースコードからSADを半自動生成する手法を提案する。
  論文  参考訳（メタデータ） (2025-11-07T11:35:46Z)
• EM-DARTS: Hierarchical Differentiable Architecture Search for Eye Movement Recognition [20.209756662832365]
  微分可能なニューラルアーキテクチャサーチ(DARTS)は、高い探索効率でアーキテクチャ設計のマニュアルプロセスを自動化する。 眼球運動認識のためのDLアーキテクチャを自動設計する階層的微分可能なアーキテクチャ探索アルゴリズムEM-DARTSを提案する。 EM-DARTSは、最先端の認識性能につながる最適なアーキテクチャを実現できることを示す。
  論文  参考訳（メタデータ） (2024-09-22T13:11:08Z)
• Serving Deep Learning Model in Relational Databases [70.53282490832189]
  リレーショナルデータ上での深層学習(DL)モデルの実現は、様々な商業分野や科学分野において重要な要件となっている。 最先端のDL中心アーキテクチャは、DL計算を専用のDLフレームワークにオフロードします。 UDF中心アーキテクチャの可能性は、リレーショナルデータベース管理システム(RDBMS)内の1つ以上のテンソル計算をユーザ定義関数(UDF)にカプセル化する。
  論文  参考訳（メタデータ） (2023-10-07T06:01:35Z)

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。