Research Article

MAS4SysML: Многоагентный фреймворк для генерации моделей SysML v2 с естественного языка

DOI:

10.3791/70395

May 19th, 2026

In This Article

Summary

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

Этот протокол представляет собой MAS4SysML — многоагентный подход, который автоматически генерирует код SysML v2 через скоординированное разделение задач, требующий минимальных итераций ремонта и значительно сокращая время ручного моделирования, одновременно повышая эффективность моделирования системы.

Abstract

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

Автоматическая генерация точных моделей SysML на основе требований естественного языка может значительно ускорить внедрение инженерии систем на основе моделей (MBSE) в разработке сложных систем. Однако использование крупных языковых моделей (LLM) для генерации кода часто не соответствует строгим синтаксическим ограничениям формальных языков моделирования, и стабильное обеспечение семантического согласования между сгенерированными моделями и требованиями остаётся сложным. Для решения этих проблем в статье представлен MAS4SysML — многоагентный коллаборативный фреймворк для генерации кода SysML v2, который улучшает синтаксическую корректность и семантическую согласованность при ограниченном бюджете на ремонт. Фреймворк разбивает задачу моделирования на иерархические подзадачи, формализует их в виде структурированных карт задач и генерирует код модели снизу вверх. Во время генерации используется официальная среда валидации для диагностики синтаксиса; После завершения фреймворк проверяет семантическую согласованность между кодом и карточками задач. Если синтаксисная или семантическая проверка не удаётся, фреймворк итеративно ремонтирует и повторно валидирует код в рамках заранее определённого бюджета ремонта, руководствуясь диагностической обратной связью, пока критерии валидации не будут выполнены или бюджет не исчерпается. Для оценки предлагаемого метода мы создаём набор данных SysML v2, охватывающий пять основных типов задач — требования, сценарии использования, структуру, параметры и автоматы состояний — и проводим сравнительные эксперименты. Результаты показывают, что MAS4SysML снижает средний уровень синтаксической ошибки до 2,63, увеличивает семантическое сходство до 0,91 и превосходит существующие методы генерации кода в целом.

Introduction

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

MBSE стал ключевой методологией для анализа требований, проектирования архитектуры системы и планирования верификации при разработке сложного оборудования в таких областях, как авиация и аэрокосмическаяотрасль 1. Используя унифицированные языки моделирования, такие как SysML, в качестве основы моделирования, информация — включая требования, структуру, поведение и ограничения — может быть организована в целостную модельную структуру, что улучшает структуру процессов и эффективность междисциплинарного сотрудничества2. Однако по мере роста масштаба системы количество моделей, которые необхо....

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

Protocol

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

Процесс генерации кода фреймворка MAS4SysML изложен в дополнительном файле 1. Следует отметить, что данное исследование не направлено на создание полной системной модели на основе естественного языка с строгой согласованностью перекрёстного вида, включая требования, структуру, параметры и поведение. Вместо этого протокол сосредоточен на генерации нескольких репрезентативных типов кода SysML v2.

Фаза I: Анализ задач
Рабочий процесс начинается с разбора задач. Система предоставляет намерение моделирования на естественном языке для агента генерации структуры задач, который ....

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

Results

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

Оценка базовой модели
Сначала мы выбрали несколько основных LLM и провели предварительные тесты производительности с использованием прямой генерации модели в код, включая CodeX(175B)19, CodeGen-Mono(16.1B)20, PaLM Coder(62B)21, Alphacode(1.1B)22, Incoder(6.7B)23 и code-davinci-002(175B)24. Как показано в таблице 2

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

Discussion

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

Мы предлагаем MAS4SysML — многоагентную совместную структуру для полуавтоматизированной генерации кода модели SysML v2. Фреймворк состоит из четырёх функционально взаимодополняющих агентов. Во время генерации он (i) иерархически разбивает требования к моделированию на естественном языке с помощью структуры на основе дерева задач и формализует их в структурированные карты задач, и (ii) генерирует код модели SysML v2 снизу вверх, руководствуясь ограничениями и зависимостей, указанными в эт.......

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

Disclosures

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

У авторов нет конфликтов интересов. Инструменты AI/LLM использовались только при создании наборов данных. В частности, для создания набора данных оценки мы использовали инструмент искусственного интеллекта для генерации задач моделирования на естественном языке, соответствующих вручную созданным моделям SysML v2 (то есть генерируя «описание задачи» для авторской модели SysML v2), формируя пары вход–вывод для бенчмаркинга. Кроме этой ограниченной цели, ИИ не использовался для генерации предлагаемого метода, экспериментальных результатов, анализа данных, рисунков/таблиц или какого-либо рукописного текста.

Acknowledgements

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

Эти исследования поддерживаются Гражданским аэрокосмическим проектом (D020101) Китайского государственного управления науки, техники и промышленности для национальной обороны.

....

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

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
LangChainLangChain (проект с открытым исходным кодом)v1.0.8; https://github.com/langchain-ai/langchainФреймворк для взаимодействия LLM и оркестрации агентов
LangGraphLangChain (проект с открытым исходным кодом)v1.0.3; https://github.com/langchain-ai/langgraphФреймворк для выполнения многоагентных рабочих процессов
PythonФонд программного обеспечения Python3.10.x; https://www.python.org/downloads/release/python-3100/Основной язык программирования для реализации MAS4SysML
Пилотная реализация SysML v2Группа управления объектами (OMG)(предоставить версию релиза/тег); https://github.com/Systems-Modeling/SysML-v2-Pilot-ImplementationИспользуется для проверки синтаксиса и разбора моделей

References

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