Tilbake til søkeresultatene

FRIPRO-Fri prosjektstøtte

Co-tester: Collective-Adaptive Testing of Coevolving Autonomous Cyber-Physical Systems of Systems under Uncertainty

Alternativ tittel: Co-tester: Kollektiv-Adaptiv tester av Coevolving Autonomous Cyber-Physical Systems av systemer under usikkerhet

Tildelt: kr 12,2 mill.

I dag har tilnærminger for utvikling og drift av cyberfysiske systemer (engelsk: Cyber-Physcial Systems (CPS)) for å realisere og optimalisere komplekse prosesser begynt å endres radikalt, hovedsakelig på grunn av bruk av avanserte teknologier som kunstig intelligens og maskinlæring. CPS utviklet med slike teknologier har nye egenskaper, blant annet: 1) Muliggjør integrering av tidligere teknologisk isolerte CPS inn i det større, mer tilgjengelige og intelligente systemet «Cyber-Physical Systems of Systems» (CPSoS) 2) Kontinuerlig utvikling individuelt og i samarbeid til å reagere på stadig skiftende driftsmiljø 3) Hyppige interaksjoner mellom CPSoS og CPS. Slike egenskaper truer påliteligheten til CPSoS, som dermed truer deres evne til å tilby pålitelige tjenester I dag finnes det eksisterende testmetoder for å sikre påliteligheten til individuelle CPS. Det er derimot et nytt og utfordrende forskningsområde å teste CPSoS som helhet da kontinuerlige utvikling av individuelle CPS og CPSoS er under stadig skiftende miljø. I tillegg er det ulike nivåer av interne og eksterne usikkerheter som ligger i CPSoS og dets driftsmiljø. Co-tester prosjektet tar sikte på å løse disse utfordringen ved å utvikle nye teststrategier. Ved bruk av kunstig intelligens, samt nye strategier for å oppdage ukjent oppførsel av CPSoS, dens konstituerte CPS og deres driftsmiljø vil den nye teknologien kunne manipulere og håndtere utviklingen av CPSoS, CPS og deres driftsmiljø for omfattende testing av CPSoS. Til nå har vi implementert følgende metoder: 1) en tilnærming basert på store språkmodeller som kan bestemme realismen i scenarier. En slik tilnærming blir nå integrert i en automatisert testtilnærming, 2) vi har implementert en foreløpig versjon av multi-objektiv forsterkningslæringsalgoritme for å generere testscenarier, 3) Ved å ta et eksempel på fartøys åpen kildekode-bruk, bygger vi et søk algoritmebasert tilnærming for å generere testscenarier.

Nowadays, approaches for developing, operating, and evolving Cyber-Physical Systems (CPSs) to realize and optimize complex processes have started to change radically, mainly due to the use of advanced technologies, e.g., the Internet of Things and Artificial Intelligence (AI). CPSs developed with such technologies have novel characteristics, e.g., 1) enabling the integration of previously technologically isolated CPSs into a significantly larger, highly cooperative and intelligent system, i.e., Cyber-Physical Systems of Systems (CPSoS); 2) constantly evolving individually and cooperatively to respond to ever-changing physical and technological environment, under which the CPSoS and its constituted CPSs are operated; 3) frequent interactions within the CPSoS (among its CPSs) and with its environment foster new emergent behaviors and services that cannot be supported by individual CPS or a small number of CPSs. These characteristics threaten the dependability of CPSoS, which consequently threatens their capability to provide trustworthy services. Though there exist testing methodologies for ensuring the dependability of individual CPSs, testing CPSoS as a whole with the consideration of the constantly evolving nature of individual CPSs and the CPSoS itself under ever-changing environment, and various levels of internal and external uncertainties inherent in the CPSoS and its operating environment, is a very new and challenging research area. The Co-tester project aims to addresses this challenge by developing novel collective-adaptive testing strategies, which will be empowered with advanced AI technologies (e.g., machine learning and evolutionary computation techniques), supported with novel strategies for discovering uncertain and unknown behaviors of CPSoS, its constituted CPSs, and operating environment, which will holistically and intelligently manipulate and manage evolutions of CPSoS, the CPSs, and their operating environment for extensive testing of CPSoS.

Budsjettformål:

FRIPRO-Fri prosjektstøtte

Finansieringskilder