| 研究課題/領域番号 |
18H03225
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分60050:ソフトウェア関連
|
|---|
| 研究機関 | 早稲田大学 |
|---|
研究代表者 |
鄭 顕志 早稲田大学, 理工学術院, 准教授(任期付) (40434295)
|
|---|
| 研究分担者 |
本位田 真一 早稲田大学, 理工学術院, 教授(任期付) (70332153)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
16,640千円 (直接経費: 12,800千円、間接経費: 3,840千円)
2021年度: 4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円)
2020年度: 4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2019年度: 4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2018年度: 4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
|
|---|
| キーワード | 自己適応システム / Models@run.time / 離散制御器合成 / モデル学習 / 実行時モデル / Graceful degradation / 環境モデル学習 / Graceful Degradation |
|---|
| 研究成果の概要 |
本研究では「開発時の想定から漏れた変化」に対しても最大限の安全性を保証するGraceful Degradationを実現するために，システム自身が実行時にモデルを活用して保証を伴う自己適応を実現する実行時モデル更新技術を確立した．具体的には，(1)開発時の想定に漏れた変化をモデルに反映し，(2)更新された環境モデル下で安全性を保証する動作仕様を実行時に自動導出する技術を確立した．また，構築した技術を反映した実行時モデルフレームワークを開発し，IoTシステムやロボットシステムでの評価実験を通じて手法の有効性と限界を明らかにした．
|
| 研究成果の学術的意義や社会的意義 |
開発時の想定のみに頼る従来の安全性保証技術では，本質的に想定漏れを避けることが困難な近年のソフトウェアシステムで十分な安全性を保証することができない．近年のIoTシステムやCPSが対象とするオープン環境ではシステムの動作に影響を与えうる事象が無数に存在する．あらゆる可能性を想定しようとすると工数が増大し，また想定漏れは本質的に防ぎきれない．そこで本研究では開発時の想定に漏れた環境変化が起きてもシステムが即応的に適応し，その時点で可能な最大限の安全性を保証するよう段階的に動作を変更するGraceful Degradationを実現する技術を構築した．
|
