Software Engineering for Self-Adaptive Robotics: A Research Agenda

要約

自己適応ロボットシステムは、動的で不確実な環境で自律的に動作するように設計されており、その動作をリアルタイムで監視、分析、適応させるための堅牢なメカニズムが必要です。
事前定義されたロジックに続く従来のロボットソフトウェアとは異なり、自己適応ロボットは人工知能、機械学習、モデル駆動型エンジニアリングを活用して、信頼性、安全性、パフォーマンスを確保しながら、運用条件の変化に継続的に適応します。
このペーパーでは、自己適応ロボット工学におけるソフトウェアエンジニアリングの研究アジェンダを紹介し、2つの重要な側面にわたる重要な課題に対処します。（1）要件エンジニアリング、ソフトウェア設計、共産、および適応ロボットシステムに合わせたテスト方法を含む開発段階、および（2）デジタルツイン、モデル型エンジニアリング、AI-Drivented centipatiate、AI-Drivented centipationなどの主要なテクノロジー、
意思決定。
不確実性の下での適応行動の検証、適応性、パフォーマンス、安全性のトレードオフのバランスをとること、Mape-Kなどの自己適応フレームワークの統合など、オープンな研究の課題について説明します。
構造化されたロードマップを提供することにより、この作業は、自己適応ロボットシステムのソフトウェアエンジニアリング基盤を前進させ、実世界の複雑さを処理できることを保証することを目的としています。

要約(オリジナル)

Self-adaptive robotic systems are designed to operate autonomously in dynamic and uncertain environments, requiring robust mechanisms to monitor, analyse, and adapt their behaviour in real-time. Unlike traditional robotic software, which follows predefined logic, self-adaptive robots leverage artificial intelligence, machine learning, and model-driven engineering to continuously adjust to changing operational conditions while ensuring reliability, safety, and performance. This paper presents a research agenda for software engineering in self-adaptive robotics, addressing critical challenges across two key dimensions: (1) the development phase, including requirements engineering, software design, co-simulation, and testing methodologies tailored to adaptive robotic systems, and (2) key enabling technologies, such as digital twins, model-driven engineering, and AI-driven adaptation, which facilitate runtime monitoring, fault detection, and automated decision-making. We discuss open research challenges, including verifying adaptive behaviours under uncertainty, balancing trade-offs between adaptability, performance, and safety, and integrating self-adaptation frameworks like MAPE-K. By providing a structured roadmap, this work aims to advance the software engineering foundations for self-adaptive robotic systems, ensuring they remain trustworthy, efficient, and capable of handling real-world complexities.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google