arXiv:2610.13456v1 cs.CL

시뮬레이션 및 운영 활동의 근거를 활용한 설계 시점 모델 고도화 방안

Towards Enriching Design-Time Models with Evidence from Simulation and Operational Activities

Barbara da Silva Oliveira, Julien Deantoni, Nicolas Ferry

제출 2026-10-09

한국어 초록

사이버-물리 시스템(Cyber-Physical Systems)은 여러 개발 단계를 거치며 다양한 모델 기반 활동을 통해 개발됩니다. 시뮬레이션, 실험, 운영을 거쳐 개발이 진행됨에 따라 시스템 실행을 관찰하는 과정에서 누락되거나 불확실하거나 유효하지 않은 설계 지식이 드러날 수 있습니다. 그러나 실행 결과로부터 지속적인 설계 시점(design-time) 지식 강화로 이어지는 경로는 대개 암묵적입니다. 본 논문에서는 시뮬레이션 및 운영 중에 생성된 지식을 설계 시점 모델로 체계적으로 환원하기 위한 근거 기반 워크플로를 제안하여 이러한 과제를 해결합니다. 표지판을 추종하는 로봇 활용 사례를 통해, 설계 산출물과 환경 요인이 시스템 반응 특성에 어떻게 복합적으로 영향을 미치는지 표현하는 설계 시점 산출물인 영향 모델(Influence Model)을 사용하여 이 워크플로를 실증합니다. 시뮬레이션 근거가 참여 요소 가지치기 결정, 상호작용 특성화, 영향 함수 추상화, 유효성 범위 정보를 지원함으로써 영향 모델을 어떻게 풍부화할 수 있는지 보여줍니다. 이러한 적용을 통해 시뮬레이션 기반 근거에 대한 워크플로의 실현 가능성과, 후속 개발 반복에서 설계 시점 추론 및 피드백을 개선할 수 있는 잠재적 이점을 입증합니다.

원문 초록

Cyber-Physical Systems are developed through multiple model based activities, comprising several stages of development. As the development progresses through simulation, experimentation, and operation, observations of system execution may reveal missing, uncertain, or invalid design knowledge. The path from execution results to persistent design-time enrichment, however, is often implicit. This paper addresses this challenge by proposing an evidence driven workflow for systematically transferring knowledge produced during simulation and operation back into design-time models. We demonstrate the workflow using an Influence Model, a design-time artefact used to represent how design artefacts and environmental factors jointly affect system response properties, using a sign-following robot use case. We show how simulation evidence can enrich Influence Models by supporting participant pruning decisions, interaction characterisation, influence-function abstraction, and validity-scope information. The application demonstrates the feasibility of the workflow for simulation-based evidence and its potential benefits to improve design-time reasoning and feedback in subsequent development iterations.

제출 이력

확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.

  1. arXiv:2610.13456v1

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

arXiv:2608.04265v2cs.MA공통 태그 cyber-physical systems

사이버-물리 시스템에서 대규모 언어 모델(LLM) 에이전트를 위한 계획 수립 전략의 전략적 평가

Strategic Evaluation of Planning Strategies for LLM Agents in Cyber-Physical Systems

대규모 언어 모델(LLM) 에이전트(agent) 평가는 일반적으로 작업 성공 여부나 명시된 계획과의 일치도를 측정합니다. 그러나 전략적 사이버-물리 시스템(cyber-physical systems)에서는 자율적 참여자가 반응하고 물리적 제약이 결과를 제한한 후에도 아키텍처가 적절성을 유지해야 합니다. 본 연구에서는 계획 유도 제어 궤적(planning-induced control trajectories), 즉 실행 아키텍처를 전략적 반응 및 물리적 결과와 연결하는 정렬된 계획 연산 및 지시문으로 구성된 통제된 벤치마크(benchmark)를 제시합니다. 코드화된 네 가지 실행기(사전 정의형, 순차형, 계층형, 탐색형)는 방사형 피더(radial feeder)에서 40개 프로슈머(prosumer)의 수요 반응을 제어합니다. LLM은 타입화된 정책을 선언하거나 조언하며 통신을 중재하고, 일정, 기본 프로슈머 동역학, 확률적 행동, 조류 계산(power flow)은 명시적 코드로 유지됩니다. 쌍체 강제 모드 반사실적 분석(paired forced-mode counterfactuals), 정확한 프롬프트(prompt) 캐싱, 별도의 무작위 스트림을 사용한 공통 응답 표본 추출, 비평자 격리, 이벤트 수준 실행 가능성을 통해 비교를 정밀하게 격리합니다. 이 피더에서 진행한 Llama-3.3-70B 모델(model) 실험은 세 가지 특성을 구별합니다. 첫째, 지정된 목표 하에서 5개의 모든 기준선(baseline) 시드에 걸쳐 강제 탐색이 오라클(oracle)로 나타났습니다. 둘째, 주입된 목표 대체(objective substitution)는 모드 일치도를 1.0으로 유지하면서도 누적 전압 부족을 2.68배 증가시켰습니다. 셋째, 3회의 반복 시드를 사용한 144개 시나리오, 576개 에피소드 요인 뱅크는 사전 정의형, 순차형, 탐색형에서 나온 실행 가능한 오라클을 포함합니다. 사전에 지정된 스트레스 홀드아웃 릿지(stress-held-out ridge)는 평균 리그렛(regret) 90.7을 기록했으며, 고정된 순차 방식 대비 관찰된 이점을 보이지 않았습니다. 사후 제약 인식 분석(post-hoc constraint-aware analysis)을 통해 리그렛을 29.0으로 줄였으나, 단순 마감 규칙도 28.7을 달성하므로 이러한 개선이 학습 상의 우위를 입증하지는 못합니다. 전원 실행 가능 절제 연구(all-feasible ablation) 역시 고정 탐색 방식보다 개선되지 않았습니다. 이는 시뮬레이션 내부의 기술적 비교입니다. 5개 모델, 300개 선언으로 확장한 실험에서는 백본 간 물리적 순위가 아닌 인터페이스 동작을 테스트하며, 공유 엔드포인트의 지연 시간 꼬리 분포(latency tails)는 확률적 실시간 실행 가능성의 필요성을 시사합니다.

arXiv:2610.02304v1cs.SE공통 태그 cyber-physical systems

SimuVerity: 엔지니어링 등급 Simulink 모델 생성을 위한 에이전트 벤치마킹

SimuVerity: Benchmarking Agents for Engineering-Grade Simulink Model Generation

기존 Simulink 벤치마크는 주로 생성된 모델이 컴파일되는지, 실행되는지, 또는 참조 모델과 유사한지를 평가한다. 이러한 기준은 모델이 엔지니어링 요구사항을 충족하는지는 확인하지 못한다. 우리는 10개의 엔지니어링 도메인에 걸친 101개의 텍스트-투-실행가능 Simulink 모델 생성 과제로 구성된 벤치마크인 SimuVerity를 소개한다. 각 과제에 대해 실행 가능한 시스템 프로파일이 엔지니어링 명세와 네 가지 유형의 네이티브 시뮬레이션 시나리오의 근거가 된다. 계층적 평가자는 먼저 아티팩트 전달, 네이티브 실행 가능성, 엔지니어링 자격을 확인한 다음, 자격을 갖춘 모델에 대해 정확도, 출력 품질, 메커니즘적 충실도, 제어 및 인과적 무결성, 동작 영역 견고성, 동적 응답을 포함한 여섯 가지 차원에서 점수를 매긴다. 우리는 SimuVerity를 사용해 여섯 개의 에이전트 시스템을 평가한다. 최고 성능 시스템도 전체 점수가 42.86에 불과하다. 결과는 구조적 유사성이 엔지니어링 성능의 대리 지표로는 부적절함을 보여준다: 역량의 한계는 자격을 갖춘 구현을 만들어내는 과정과 자격 인정 이후 다차원적 요구사항을 충족시키는 과정 모두에서 나타난다. 한편, 일부 높은 점수를 받은 모델은 여전히 심각한 시각적 레이아웃 혼란을 보인다. SimuVerity는 에이전트의 엔지니어링 역량을 평가하고 실행 가능한 Simulink 모델 생성에서의 실패를 진단하기 위한 체계적인 기반을 제공한다.

arXiv:2607.03125v1cs.LG공통 태그 cyber-physical systems

1-자유도 헬리콥터 시스템에서 안전한 강화학습을 위한 물리 정보 신경망 통합

Integrating Physics-Informed Neural Networks for Safe Reinforcement Learning in a 1-DoF Helicopter System

심층 강화학습(DRL)은 산업용 사이버-물리 시스템(ICPS)에 강력한 제어 능력을 제공하지만, "블랙박스" 탐험 방식은 엄격한 하드웨어 안전 제한을 위반할 위험이 있다. 일반적으로 이러한 제약은 복잡한 보상 형성(reward shaping)을 통해 관리된다. 본 진행 중인 연구 논문에서는 미분 가능한 물리 모델을 근위 정책 최적화(PPO)의 액터 손실 함수에 직접 내장한다. 학습 중 단기 미래 궤적을 시뮬레이션함으로써, 정책은 태스크 보상 신호와 독립적으로 예상되는 안전 위반에 대해 페널티를 받는다. 엄격한 피치 제약이 있는 시뮬레이션된 1자유도 헬리콥터 테스트베드에서 평가한 결과, 물리 정보 기반 소프트 정규화(soft regularization)는 신뢰할 수 있는 목표 추적을 유지하면서 제약 위반을 크게 줄였다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.