システム工学2026/6/4arXiv:2606.06727

IDDMBSE：データ駆動型とモデルベースのシステム工学を統合した自律サイバー物理システムの信頼性確保手法

IDDMBSE: Integrating Data-Driven and Model-Based Systems Engineering for Trusted Autonomous Cyber-Physical Systems

モデルベースシステム工学（MBSE）とデータ駆動型ML/AIを統合する新しいシステム工学手法IDDMBSEを提案し、SysMLベースのツールチェーン（PERFECT、TRADES-X、VERITAS）を実装して自律地上ロボットの開発ライフサイクル全体で実証した。

詳しい要約

1. どんなもの？

- 自律型サイバーフィジカルシステム（CPS）のための統合システムエンジニアリング手法「IDDMBSE」を提案。 - MBSEのVプロセスを拡張し、各ステップにデータ駆動ループを組み込む。 - SysML、自律スタック、ハイブリッドなモデルベース＋データ駆動トレードオフアーキテクチャに基づく。 - オープンソースツールチェーン（PERFECT、TRADES-X、VERITAS）として実装。 - 信頼できる自律地上ロボットの開発ライフサイクルで実証。

2. 先行研究と比べてどこがすごい？

- 従来、MBSEとデータ駆動ML/AIは別々に発展し、両者をネイティブに統合するSE方法論は存在しなかった。 - IDDMBSEはこのギャップを埋め、Vプロセスの各段階でデータ駆動ループを統合。 - モデルベースとデータ駆動のトレードオフをハイブリッドに扱う点が新しい。 - ツールチェーンは相互運用可能でオープンソース。 - 具体的なロボット開発で検証している点が先行研究と異なる。

3. 技術・手法の肝は？

- MBSEのVプロセスを拡張し、各ステップにデータ駆動ループを追加。 - SysML、自律スタック、ハイブリッドトレードオフアーキテクチャを基盤とする。 - PERFECT：SysMLシステムアーキテクチャを実行可能なROS自律スタックにマッピングし、性能評価を可能にする。 - TRADES-X：設計空間探索をモデルベース最適化段階とデータ駆動評価段階に分解。 - VERITAS：形式的、データ駆動、実行時検証を単一の保証ワークフローに統合。

4. どうやって有効だと検証した？

- 信頼できる自律地上ロボットの開発ライフサイクル全体でIDDMBSEを実証。 - センサスイート選択、リスク感受性経路計画、ビヘイビアツリータスク検証、conformal predictionに基づくロバスト知覚、保証されたマルチロボット協調を含む。 - 競合地形のIsaac Simテストレンジで実行し、ツールチェーンと共に公開。

5. 議論はある？

- IDDMBSEをSysML v2 / KerML基盤上で再定式化し、言語ネイティブなコンポーザビリティとML/AI統合の強化を図る方向性を提示。 - 具体的な議論や限界については要旨からは不明。

6. 次に読むべき論文は？

- SysML v2 / KerML（IDDMBSEの再定式化の基盤として言及） - ROS（自律スタックとして言及） - Isaac Sim（テストレンジとして言及） - conformal prediction（ロバスト知覚で使用） - ビヘイビアツリー（タスク検証で使用）

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: John S. Baras, Sai Sandeep Damera, Ryan Matheu, Clinton Enwerem, Praveen M. S. Kumar

分類: cs.RO, eess.SY

原文アブストラクト

Autonomous cyber-physical systems (CPS) sit at the intersection of Model-Based Systems Engineering (MBSE) and data-driven Machine Learning and Artificial Intelligence (ML/AI), yet no integrated Systems Engineering (SE) methodology natively spans both. We address this gap with IDDMBSE, an Integrated Data-Driven and Model-Based Systems Engineering methodology that extends the rigorous MBSE V-process with a data-driven loop at every step, anchored in SysML, the autonomy stack, and a hybrid model-based plus data-driven trade-off architecture. We instantiate IDDMBSE as an interoperable, open-source tool chain: PERFECT, which maps SysML system architectures to executable ROS autonomy stacks for scalable performance evaluation; TRADES-X, which decomposes design-space exploration into a model-based optimization stage followed by a data-driven evaluation stage; and VERITAS, which combines formal, data-driven, and runtime verification into a single assurance workflow. We demonstrate IDDMBSE on a Trusted Autonomous Ground Robot across its development lifecycle, spanning sensor-suite selection, risk-sensitive path planning, behavior-tree task verification, conformal-prediction-based robust perception, and assured multi-robot coordination, all exercised in a contested-terrain Isaac Sim test range that we release with the tool chain. We close by sketching how IDDMBSE is being re-formulated on SysML v2 / KerML foundations to enable language-native composability and tighter ML/AI integration.

arXivで原文を読む →arXiv概要ページ

← 論文一覧