| 研究課題/領域番号 |
23K28062
|
|---|
| 補助金の研究課題番号 |
23H03372 (2023)
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 基金 (2024)
補助金 (2023) |
|---|
| 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 | 九州大学 |
|---|
研究代表者 |
趙 建軍 九州大学, システム情報科学研究院, 教授 (20299580)
|
|---|
| 研究分担者 |
鵜林 尚靖 早稲田大学, 理工学術院, 教授(任期付) (80372762)
蓮尾 一郎 国立情報学研究所, アーキテクチャ科学研究系, 教授 (60456762)
石川 冬樹 国立情報学研究所, アーキテクチャ科学研究系, 准教授 (50455193)
馬 雷 東京大学, 大学院情報理工学系研究科, 准教授 (70842061)
張 振亜 九州大学, システム情報科学研究院, 助教 (10971228)
|
|---|
| 研究期間 (年度) |
2024-04-01 – 2026-03-31
|
| 研究課題ステータス |
交付 (2024年度)
|
| 配分額 *注記 |
18,850千円 (直接経費: 14,500千円、間接経費: 4,350千円)
2025年度: 5,460千円 (直接経費: 4,200千円、間接経費: 1,260千円)
2024年度: 5,720千円 (直接経費: 4,400千円、間接経費: 1,320千円)
2023年度: 7,670千円 (直接経費: 5,900千円、間接経費: 1,770千円)
|
|---|
| キーワード | AI品質保証 / サイバーフィジカルシステム / テスト / 自動修正 / プログラム修正 |
|---|
| 研究開始時の研究の概要 |
近年、複雑な制御、工業製造などは自動化から知能化にアップグレードの急速的な変革を伴い、データ駆動型AIをコントローラとして用いるサイバーフィジカルシステム(AI-CPS)が、産業界で急速に発展と応用している。AI-CPS は、安全性を重視する多くの産業領域で採用されるため、その品質保証は非常に重要である。本研究では、AI-CPSに対する新しい体系的な品質保証技術を確立することを目的としている。本研究の進展により、AI-CPSにおける系統的な品質保証技術及びその支援環境が整い、より信頼性の高いAI-CPSの構築が期待できる。
|
| 研究実績の概要 |
本研究は、AIを活用したサイバーフィジカルシステム（AI-CPS）の品質保証手法を構築することを目的とする。2024年度は、テスト、デバッグ、修復の各技術の具体的実装と構築を行った。
まず、time-awareカバレッジ基準に基づき、AI-CPSに対するテストケース自動生成アルゴリズムを設計し、テストケース生成ツールの実装を開始した。カバレッジに基づく検証が可能となる基盤を整備した。ツールは、典型的なAI-CPS制御シナリオに対応可能な形式で実装されており、ベンチマークへの適用に向けた機能検証も一部実施した。
次に、抽象モデル（MDP）にセマンティクス情報を付与し、状態遷移における不具合原因の追跡が可能な因果関係推論アルゴリズムを設計した。これにより、入力信号とシステム異常の因果的関係を抽出できるデバッグ支援の枠組みを構築した。具体的には、セマンティクス付き状態系列とイベント系列を対応付け、因果関係を構造的に分析可能とした。
また、オフライン修復手法として、失敗時の信号データ拡張および再学習によるモデル修正手法の設計を行った。オンライン修復については、入力信号のリアルタイム補正に向けたアルゴリズムの検討を開始した。複数のモデル出力の比較による異常検出と入力補正の戦略についても検討を進めた。
さらに、以上の成果に基づき、次年度における各ツールの統合およびAI-CPSベンチマークを用いた評価実験に向けた準備作業（対象システムの選定、評価項目の整理）も進めた。
|
| 現在までの達成度 |
現在までの達成度
2: おおむね順調に進展している
理由
2024年度は、当初計画したRO1～RO3に基づき、AI-CPS向けのテスト生成、因果関係に基づくデバッグ、および修復技術に関する作業を進めた。time-awareカバレッジ基準に基づくテストケース生成アルゴリズムを設計し、実装を開始した。MDPモデルにセマンティクス情報を付与し、因果パス抽出手法を構築した。また、信号データ拡張と再学習によるオフライン修正、ならびにオンライン入力補正手法の検討を行った。以上の実施により、研究計画はおおむね順調に進展している。
|
| 今後の研究の推進方策 |
2025年度は、2023年度および2024年度に設計・構築した各種技術を統合し、AI-CPSベンチマークを用いた実証的評価を実施する。RO1では、実装済のテスト生成ツールをベンチマークに適用し、time-awareカバレッジに基づくテストの有効性を検証する。RO2では、因果パス抽出手法を用いて不具合原因の自動分析を行う。RO3では、オフラインおよびオンライン修正手法を実ベンチマークに適用し、修正の効果を検証する。RO4では、各技術を統合し、品質保証支援環境としての有効性を評価する。
|
