論文の概要: Software Engineering for AI-driven Building Operation
- arxiv url: http://arxiv.org/abs/2608.16237v1
- Date: Mon, 17 Aug 2026 08:14:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.587545
- Title: Software Engineering for AI-driven Building Operation
- Title（参考訳）: AI駆動型建築オペレーションのためのソフトウェアエンジニアリング
- Abstract要約: 建設作業はエネルギー非効率である。人工知能(AI)駆動の制御システムは、最適化と予測制御を通じて利益を約束するが、実際の建物にそれらをデプロイすることは、重要なソフトウェアエンジニアリング(SE)の課題を浮き彫りにする。
実際の安全クリティカルな障害は珍しいが、小さな障害の物理的および持続的な性質は、SE4AIの要件を根本的に変える。
土木工学とコンピュータ科学の2つの学際的な研究プロジェクトにおいて、AIによる建設作業の最適化を目標とし、現在、AIベースのシステムの構築が成功しているSE4AIに欠けている視点を特定します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Building operations are energy-inefficient. Artificial Intelligence (AI)-driven control systems promise benefits through optimization and predictive control, but deploying them in real buildings reveals a significant software engineering (SE) challenge. SE for AI practices assume digital environments where failures mean poor user experience. Buildings are different. A bad control decision wastes energy irreversibly, violates occupant comfort, or accelerates equipment wear. Although actual safety-critical failures are rare, as real building automation systems are inherently fault-tolerant, the physical and lasting nature of even minor failures fundamentally changes SE4AI requirements. Rooted in two interdisciplinary research projects in civil engineering and computer science that target the AI-driven optimization of building operations, we identify the missing perspectives in SE4AI that currently stymie the successful deployment of AI-based systems for building operations. We further share lessons learned and best practices, and discuss broader implications for engineering AI-driven building operations and cyber-physical systems more generally. Our work proposes a foundation for SE4AI in systems where failure has physical consequences - one the research agenda below will need to validate.
- Abstract（参考訳）: 建設作業はエネルギー非効率である。
人工知能(AI)駆動の制御システムは、最適化と予測制御を通じてメリットを約束するが、実際の建物にそれらをデプロイすることは、重要なソフトウェアエンジニアリング(SE)課題を浮き彫りにする。
SE for AIプラクティスは、障害がユーザエクスペリエンスの低下を意味するディジタル環境を前提としています。
建物は異なる。
悪い制御判断は、エネルギーを不可逆的に無駄にしたり、乗員の快適性を損なったり、機器の摩耗を加速したりする。
実際のセーフティクリティカルな障害は稀だが、実際のビルド自動化システムは本質的にフォールトトレラントであるため、小さな障害の物理的および持続的な性質は、SE4AIの要件を根本的に変えている。
土木工学とコンピュータ科学の2つの学際的な研究プロジェクトにおいて、AIによる建設作業の最適化を目標とし、現在、AIベースのシステムの構築が成功しているSE4AIに欠けている視点を特定します。
我々はさらに、学んだ教訓とベストプラクティスを共有し、AI駆動の建築オペレーションやサイバー物理システムに対するより広範な影響について議論する。
私たちの研究は、障害が物理的な結果をもたらすシステムにおけるSE4AIの基礎を提案しています。
関連論文リスト
- Infrastructure First: Enabling Embodied AI for Science in the Global South [16.251692668102784]
EAI4S(Embodied AI for Science)は、知覚、推論、ロボット動作を統一することで、研究所にインテリジェンスをもたらす。
この記事では、EAI4Sに対するインフラ優先のアプローチについて論じ、大規模なインテリジェンスを展開するための実践的な要件を概説する。
論文 参考訳（メタデータ） (2026-04-08T06:39:25Z) - 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) - Develop AI Agents for System Engineering in Factorio [1.5824959429406713]
本稿では,自動サンドボックスゲームによるAIエージェントのシステムエンジニアリング能力の育成と評価を提唱する。
この方向に研究努力を向けることで、明日最も要求されるエンジニアリングプロジェクトの設計、保守、最適化に必要な特別な推論と長期計画を備えたAIエージェントを装備できる。
論文 参考訳（メタデータ） (2025-02-03T16:26:17Z) - Engineering Trustworthy AI: A Developer Guide for Empirical Risk Minimization [53.80919781981027]
信頼できるAIのための重要な要件は、経験的リスク最小化のコンポーネントの設計選択に変換できる。
私たちは、AIの信頼性の新たな標準を満たすAIシステムを構築するための実用的なガイダンスを提供したいと思っています。
論文 参考訳（メタデータ） (2024-10-25T07:53:32Z) - From the Pursuit of Universal AGI Architecture to Systematic Approach to Heterogenous AGI: Addressing Alignment, Energy, & AGI Grand Challenges [3.5897534810405403]
SAGIは、システム設計原則を利用して、エネルギーの壁とアライメントの課題を克服する、AIの体系的アプローチである。
システム設計は、AGIの目標と保証を達成し、古典的シンボリック、創発的、ハイブリッドなアプローチに取って代わる上で、より基本的なものである、と我々は主張する。
論文 参考訳（メタデータ） (2023-10-23T18:20:54Z) - Towards Building AI-CPS with NVIDIA Isaac Sim: An Industrial Benchmark
and Case Study for Robotics Manipulation [18.392301524812645]
代表的サイバー物理システム(CPS)として、ロボットマニピュレータは様々な学術研究や産業プロセスで広く採用されている。
ロボット操作の最近の研究は、適応性と性能を向上させるために人工知能(AI)アプローチをコントローラとして採用し始めている。
本稿では,ロボット操作のための公開産業ベンチマークを提案する。
論文 参考訳（メタデータ） (2023-07-31T18:21:45Z) - AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities
and Challenges [60.56413461109281]
IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。
我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。
主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
論文 参考訳（メタデータ） (2023-04-10T15:38:12Z) - AI Maintenance: A Robustness Perspective [91.28724422822003]
我々は、AIライフサイクルにおけるロバストネスの課題を強調し、自動車のメンテナンスに類似させることで、AIのメンテナンスを動機付ける。
本稿では,ロバストネスリスクの検出と軽減を目的としたAIモデル検査フレームワークを提案する。
我々のAIメンテナンスの提案は、AIライフサイクル全体を通して堅牢性評価、状態追跡、リスクスキャン、モデル硬化、規制を促進する。
論文 参考訳（メタデータ） (2023-01-08T15:02:38Z) - Seamful XAI: Operationalizing Seamful Design in Explainable AI [59.89011292395202]
AIシステムのミスは必然的であり、技術的制限と社会技術的ギャップの両方から生じる。
本稿では, 社会工学的・インフラ的ミスマッチを明らかにすることにより, シームレスな設計がAIの説明可能性を高めることを提案する。
43人のAI実践者と実際のエンドユーザでこのプロセスを探求します。
論文 参考訳（メタデータ） (2022-11-12T21:54:05Z) - Towards a Roadmap on Software Engineering for Responsible AI [17.46300715928443]
本稿では,責任あるAIのためのソフトウェア工学のロードマップを作成することを目的とする。
ロードマップは、(i)責任AIシステムのためのマルチレベルガバナンスの確立、(ii)責任AIシステムのためのプロセス指向のプラクティスを取り入れた開発プロセスのセットアップ、(iii)システムレベルのアーキテクチャスタイル、パターン、テクニックを通じて責任AIをAIシステムにバイデザインする構築に焦点を当てている。
論文 参考訳（メタデータ） (2022-03-09T07:01:32Z) - Proceedings of the Artificial Intelligence for Cyber Security (AICS)
Workshop at AAAI 2022 [55.573187938617636]
ワークショップは、サイバーセキュリティの問題へのAIの適用に焦点を当てる。
サイバーシステムは大量のデータを生成し、これを効果的に活用することは人間の能力を超えます。
論文 参考訳（メタデータ） (2022-02-28T18:27:41Z) - AI Failures: A Review of Underlying Issues [0.0]
私たちは、概念化、設計、デプロイメントの欠陥を考慮して、AIの失敗に焦点を当てています。
AIシステムは、AIシステムの設計において、欠落とコミッショニングエラーのために失敗する。
AIシステムは、事実上道徳的な判断を下すことが求められる状況で、かなり失敗する可能性が高い。
論文 参考訳（メタデータ） (2020-07-18T15:31:29Z)
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。