2023 Fiscal Year Annual Research Report
想定に漏れた環境変化に対して最大限の機能を維持する実行時モデルフレームワーク
| Project/Area Number |
23H03374
|
|---|
| Allocation Type | Single-year Grants |
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
鄭 顕志 東京工業大学, 情報理工学院, 准教授 (40434295)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
鷲崎 弘宜 早稲田大学, 理工学術院, 教授 (70350494)
|
|---|
| Project Period (FY) |
2023-04-01 – 2027-03-31
|
| Keywords | 自己適応システム |
|---|
| Outline of Annual Research Achievements |
2023年度は実施項目1「実行時に充足可能な安全性・活性の組合せを特定する技術」，および実施項目2「環境差分と要求差分に着目した実行時 の差分動作仕様合成技術の確立」の要素技術確立に取り組んだ．
実施項目1: 実行時に充足可能な安全性・活性の組合せを特定する技術の確立： 開発時に規定された安全性・活性の集合から，変更後の環境モデル下で満たしうる最大の組合せを実行時に高速に特定するアルゴリズムを開発した．具体的には，離散制御器合成内で用いられているゲーム空間上での勝利領域分析を拡張し，従来手法のような全要求の論理和ではなく，個別の要求事に勝利領域を用いることにより，各要求の組み合わせに対する環境変化の影響を効率的に再分析するアルゴリズムを提案した．安全性・活性の組合せ毎に対応する勝利領域を特定することで，現在の状態で満たしうる最大限の組合せを特定する事が可能となる．また，先行研究で構築した環境モデル実行時更新によって更新された環境モデルに対して，勝利領域を高速に再分析することが可能となる．
実施項目2: 環境差分と要求差分に着目した実行時の差分動作仕様合成技術の確立： 更新後の環境モデルにおいて実施項目1の技術によって特定した検証式を満たすことが保証された動作仕様を高速に自動導出する技術を構築した．本項目は離散制御器合成に対し，モデル上の差分に着目した差分合成を扱うよう拡張することで実現した． また，2024年度の第1回評価実験に向けて，実験シナリオの詳細化を行った．具体的には自動運搬ロボットを対象とした実験シナリオを構築し，初期実装を構築した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初の計画通りに進行している．
|
| Strategy for Future Research Activity |
当初の計画通り2024年度は2023年度の成果を踏まえて各技術を実装したフレームワークを開発し，初回の評価実験を行う．
|
