Research Article

MAS4SysML:自然言語からのSysML v2モデル生成のためのマルチエージェントフレームワーク

DOI:

10.3791/70395

⸱

May 19th, 2026

 ,  ,  , 
1China Aerospace Academy of Systems Science and Engineering

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

このプロトコルはMAS4SysMLというマルチエージェントアプローチを提示しており、協調したタスク分割を通じて自動的にSysML v2コードを生成し、修復の反復を少なくし、手動モデリング時間を大幅に削減しつつ、システムモデリングの効率を向上させます。

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

自然言語要件から正確なSysMLモデルを自動的に生成することは、複雑なシステム開発におけるモデルベースシステムエンジニアリング(MBSE)の採用を大幅に加速させることができます。しかし、大規模言語モデル(LLM)を使ってモデルコードを生成することは、形式モデリング言語の厳格な構文的制約を満たさず、生成されたモデルと要件間の意味的整合性を一貫して確保することは依然として困難です。これらの課題に対処するため、本論文は、制約された修復予算のもとで構文の正確性と意味的整合性を向上させるSysML v2コード生成のためのマルチエージェント協働フレームワーク、MAS4SysMLを紹介します。このフレームワークはモデリングタスクを階層的なサブタスクに分解し、構造化されたタスクカードとして形式化し、ボトムアップ方式でモデルコードを生成します。生成時には、構文診断のために公式の検証環境が使用されます。完了後、フレームワークはコードとタスクカード間の意味的整合性を検証します。構文やセマンティック検証が失敗した場合、フレームワークは診断フィードバックに基づき、あらかじめ定義された修復予算内でコードを反復的に修復・再検証し、検証基準を満たすか予算が尽きるまで続けます。提案された手法を評価するために、要件、ユースケース、構造、パラメトリクス、状態機械の5つのコアタスクタイプを網羅したSysML v2データセットを構築し、比較実験を実施します。結果は、MAS4SysMLが平均構文エラー率を2.63に減少させ、意味的類似度を0.91に向上させ、既存のコード生成手法を全体的に上回ることを示しています。

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

MBSEは、航空や航空宇宙1などの分野で複雑な機器の開発における要件分析、システムアーキテクチャ設計、検証計画の重要な手法論となっています。SysMLのような統一モデリング言語をモデリングの基盤として用いることで、要件、構造、挙動、制約などの情報を一貫したモデルフレームワークに組織化し、プロセス構造の向上と学際的な協働の効率化に寄与します。しかし、システム規模が拡大し続けるにつれて、開発すべきモデル数も増加し、手動のSysMLモデリングの作業量は持続的に増加しています。さらに、モデラーは厳格な統文的・方法論的制約の下で作業しなければならず、それには高度な専門知識と強い抽象化能力が求められます。これらの要因はMBSE3のエンジニアリング採用における大きなボトルネックとなっています。

近年、LLMは自然言語理解、構造化情報表現、コード生成において強力な能力を示し、自然言語からモデルコード4へのMBSEモデリングの自動化に新たな機会をもたらしています。これまでの研究では、LLMs 5を用いてSysMLモデルコードの直接生成が探られてきました。それでもなお、重大な課題は残っています....

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

MAS4SysMLフレームワークのコード生成プロセスは 補足ファイル1にまとめられています。本研究は、要件、構造、パラメトリクス、挙動を含む厳密なクロスビュー一貫性を持つ自然言語から完全なシステムモデルをワンショットで生成することを目的としていないことに注意が必要です。代わりに、プロトコルはSysML v2ビューコードの代表的なタイプを生成することに重点を置いています。

フェーズI:課題分析
ワークフローはタスク解析から始まります。このシステムは、タスク構造生成エージェントに自然言語モデリングの意図を提供し、エージェントはタスクカードセットを出力します。後続の世代が実行可能かつ再現可能であることを保証するために、各タスクカードには最低でも、(i) タスク識別子、(ii) 依存関係、(iii) モデリング目的、制約/境界条件、パラメータスロット、インスタンス値、期待出力などの検証用の重要なモデリング情報を含める必要があります。この段階では task_card_setを出力し、これが後のモデルコード生成の統一基盤となります。

フェーズII:反復コード生成
反復生成では、システムはコードコンテキストprev_code

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

ベースラインモデル評価
まずいくつかの主流LLMを選定し、CodeX(175B)19、CodeGen-Mono(16.1B)20、PaLM Coder(62B)21、Alphacode(1.1B)22、Incoder(6.7B)23、code-davinci-002(175B)24など、モデルからコードへの直接生成を用いた予備的な性能テストを実施しました。 表2に示すように、code-davinci-002(175B)24 はSERおよびSCS指標の両方で最良の性能を示しました。したがって、本研究における様々なコード生成戦略の評価の基礎LLMとしてcode-davin.......

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

私たちは、半自動化されたSysML v2モデルコード生成のためのマルチエージェント協働フレームワークMAS4SysMLを提案します。この枠組みは、機能的に補完的な4つのエージェントで構成されています。生成過程では、(i) タスクツリーベースの構造を用いて自然言語モデリングの要件を階層的に分解し、構造化されたタスクカードに形式化し、(ii) これらのカードで指定された制約や依存関係に基づいてボトムアップ方式でSysML v2モデルコードを生成します。生成過程を通じて、公式のSysML v2検証環境を基に構築された構文検証モジュールが構文診断を行い、修復志向のフィードバックを返します。コード生成後、フレームワークは主要なタスクカードフィールドとの意味的整合性をさらにチェックし、生成コードの実行可能性と意図された要件との整合性を向上させます。

MAS4SysMLは、自然言語モデリングの意図をSysML v2モデルコードに変換する実践的な道筋を提供します。複雑な機器開発における手動モデリングのコストと学習負担を軽減し、クロ.......

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

著者たちには利益相反はありません。AI/LLMツールはデータセット構築時のみ使用されました。具体的には、評価データセットを構築するために、AIツールを用いて手作業で作成したSysML v2モデルに対応する自然言語モデリングの問題文(すなわち、著者が作成したSysML v2モデルに対して「タスク記述」を生成する)を生成し、ベンチマーキングのための入出力ペアを形成しました。この限定的な目的以外に、AIは提案された方法、実験結果、データ分析、図表、またはいかなる原稿テキストの生成にも使用されませんでした。

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

この研究は、中国国家科学技術工業総局の国防向け民間航空宇宙プロジェクト(D020101)によって支援されています。

....

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
ラングチェインLangChain(オープンソースプロジェクト)v1.0.8;https://github.com/langchain-ai/langchainLLMインタラクションおよびエージェントオーケストレーションのためのフレームワーク
ランググラフLangChain(オープンソースプロジェクト)v1.0.3;https://github.com/langchain-ai/langgraphマルチエージェントワークフロー実行フレームワーク
パイソンPythonソフトウェア財団3.10.x;https://www.python.org/downloads/release/python-3100/MAS4SysML実装のメインプログラミング言語
SysML v2パイロット実装オブジェクト管理グループ(OMG)(リリース/タグバージョンの提供);https://github.com/Systems-Modeling/SysML-v2-Pilot-Implementation構文検証およびモデル解析に使用

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Miller, W. D. The Future of Systems Engineering: Realizing the Systems Engineering Vision 2035. Transdisciplinarity and the Future of Engineering. , IOS Press. (2022).
  2. Kirshner, M. J. A. Model-based systems engineering cybersecurity for space systems. Aerospace. 10 (2), 116(2023).
  3. Bajaj, M., Fried....

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

SysML Model GenerationMulti Agent FrameworkNatural Language RequirementsModel Based Systems EngineeringSemantic ConsistencySyntactic CorrectnessLarge Language ModelsCode ValidationTask DecompositionSemantic Alignment

Related Articles