論文の概要: Reasoning-supported Robustness Validation of Automotive E/E Components
- arxiv url: http://arxiv.org/abs/2608.16421v1
- Date: Mon, 17 Aug 2026 11:19:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.659201
- Title: Reasoning-supported Robustness Validation of Automotive E/E Components
- Title（参考訳）: 推論支援による自動車用E/E部品のロバスト性検証
- Abstract要約: 本稿では,自動車電気・エレクトロニクス(E/E)部品のロバストネス検証プロセスの複雑さに対処するためのオントロジー支援手法を提案する。
アプローチでは、RVプロセスからの正式な知識と、いわゆるミッションプロファイル(MP)と呼ばれるストレス、操作、負荷プロファイルを使用する。
RVプロセスにおいて、効率的な自動分析選択と意思決定支援の基礎を形成するために、OWLにおいてコンポーネントの特性がどのように形式化されているかを示す。
- 参考スコア（独自算出の注目度）: 39.82496881457754
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents an ontology-supported approach to tackle the complexity of the Robustness Validation (RV) process of automotive electrical/electronic (E/E) components. The approach uses formalized knowledge from the RV process and stress, operating, and load profiles, so-called Mission Profiles (MPs). In contrast to the error-prone industrially established manual procedure, we show how component characteristics are formalized in OWL in order to form the foundation of an efficient automated analysis selection and decision support during the RV process. The proposed approach is based on the idea of mapping MPs to an OWL representation so to allow to perform semantic queries against MP data to improve their integration into the RV process. The resulting ontology-supported application framework has been applied to an industrial use-case from automotive power electronics. We present experimental results showing that the RV process can be significantly improved in terms of reduced design time and increased exhaustiveness by automating the analyses selection step and the provisioning of all the relevant data to be used.
- Abstract（参考訳）: 本稿では,自動車電気・電子部品のロバストネス検証(RV)プロセスの複雑さに対処するためのオントロジー支援手法を提案する。
このアプローチでは、RVプロセスとストレス、運用、負荷プロファイル、いわゆるミッションプロファイル(MP)からの正式な知識を使用する。
エラーを起こしやすい工業的手技とは対照的に, RVプロセスにおける効率的な自動分析選択と意思決定支援の基礎を形成するために, OWLにおいてコンポーネント特性がどのように形式化されているかを示す。
提案手法は、MPをOWL表現にマッピングすることで、MPデータに対するセマンティッククエリを実行し、RVプロセスへの統合を改善するという考え方に基づいている。
オントロジーをサポートするアプリケーションフレームワークは、自動車用パワーエレクトロニクスの産業用ユースケースに適用されている。
本稿では, 設計時間を短縮し, 使用すべきすべてのデータについて, 分析選択ステップとプロビジョニングを自動化することにより, RVプロセスを大幅に改善できることを実験的に示す。
関連論文リスト
- AutoREC: A software platform for developing reinforcement learning agents for equivalent circuit model generation from electrochemical impedance spectroscopy data [5.498964035230184]
AutoRECは、電気化学インピーダンス分光(EIS)データから等価回路モデル(ECM)を自動的に生成する強化学習(RL)エージェントを開発するPythonパッケージである。
ECMはEISデータを解釈するための標準的なフレームワークであるが、従来の識別は手動による試行錯誤に基づいている。
論文 参考訳（メタデータ） (2026-04-29T23:42:27Z) - AutoMIA: Improved Baselines for Membership Inference Attack via Agentic Self-Exploration [49.050688065974605]
メンバーシップ推論攻撃(MIAs)は、機械学習モデルにおけるトレーニングデータの漏洩を評価するための基本的な監査ツールである。
本稿では,自己探索と戦略進化の自動化プロセスとして,メンバーシップ推論を再構築するエージェントフレームワークであるAutoMIAを提案する。
論文 参考訳（メタデータ） (2026-04-01T15:17:45Z) - DUCTILE: Agentic LLM Orchestration of Engineering Analysis in Product Development Practice [41.99844472131922]
製品開発におけるエンジニアリング分析の自動化は、ツール、データフォーマット、ドキュメントプロセス間の厳密なインターフェースに依存しています。
本稿では DUCTILE (Delegated, User-supervised Coordination of Tool- and document-Integrated LLM-Enabled) エージェントオーケストレーションについて述べる。
エージェントは、文書化された設計プラクティスを解釈し、入力データを検査し、処理パスを適応し、エンジニアは最終判断を監督し、実行する。
論文 参考訳（メタデータ） (2026-03-10T22:00:47Z) - EmboCoach-Bench: Benchmarking AI Agents on Developing Embodied Robots [68.29056647487519]
Embodied AIは、高忠実度シミュレーションと大規模データ収集によって実現されている。
しかし、このスケーリング能力は、労働集約的な手作業の監視に依存しているため、いまだにボトルネックになっている。
実装ポリシーを自律的に構築するための LLM エージェントの能力を評価するベンチマークである textscEmboCoach-Bench を紹介する。
論文 参考訳（メタデータ） (2026-01-29T11:33:49Z) - Feedback-Driven Tool-Use Improvements in Large Language Models via Automated Build Environments [70.42705564227548]
大規模言語モデル(LLM)のための環境自動構築パイプラインを提案する。
これにより、外部ツールに頼ることなく、詳細な測定可能なフィードバックを提供する高品質なトレーニング環境の作成が可能になる。
また、ツール使用の精度とタスク実行の完全性の両方を評価する検証可能な報酬機構も導入する。
論文 参考訳（メタデータ） (2025-08-12T09:45:19Z) - 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) - AI-Enhanced Business Process Automation: A Case Study in the Insurance Domain Using Object-Centric Process Mining [0.7124736158080938]
本稿では, 請求項の特定を自動化するため, LLMを配置した保険部門からのケーススタディについて述べる。
我々は、AI駆動の自動化がプロセスのスケーラビリティに与える影響を評価するために、オブジェクト指向プロセスマイニング(OCPM)を適用します。
以上の結果から, LLMは運用能力を大幅に向上する一方で, さらなる改良を必要とする新しいプロセスダイナミクスを導入することが示唆された。
論文 参考訳（メタデータ） (2025-04-24T06:43:29Z) - Scenario-based Thermal Management Parametrization Through Deep Reinforcement Learning [0.4218593777811082]
本稿では,熱管理機能に対する学習に基づくチューニング手法を提案する。
我々の深層強化学習エージェントは、チューニングタスクコンテキストを処理し、組込みパラメータセットのイメージベースの解釈を組み込む。
本稿では,バルブ制御器のパラメトリゼーションタスクへの適用性を実証し,実際の車両試験で検証する。
論文 参考訳（メタデータ） (2024-08-04T13:19:45Z) - End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。
我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
論文 参考訳（メタデータ） (2023-05-25T10:58:46Z) - Benchmarking Automated Machine Learning Methods for Price Forecasting
Applications [58.720142291102135]
自動機械学習(AutoML)ソリューションで手作業で作成したMLパイプラインを置換する可能性を示す。
CRISP-DMプロセスに基づいて,手動MLパイプラインを機械学習と非機械学習に分割した。
本稿では、価格予測の産業利用事例として、ドメイン知識とAutoMLを組み合わせることで、ML専門家への依存が弱まることを示す。
論文 参考訳（メタデータ） (2023-04-28T10:27:38Z)
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。