AI-kódolóeszközzel fejlesztettek AADL-rendszermodellt Visual Studio Code-ban

Az AADL-modell több, mint egy rajz

Az Architecture Analysis and Design Language, röviden AADL, elemzésre alkalmas rendszerarchitektúrák leírására szolgál, és SAE International-szabvány. A nyelvben szoftveres szálak és folyamatok, processzorok, memóriák, fizikai és virtuális buszok, típusos kommunikációs kapcsolatok, telepítési hozzárendelések, működési módok és mérnöki elemzésekhez szükséges tulajdonságok is megadhatók.

A CMU Software Engineering Institute, vagyis a SEI szerint az architektúramodellezés egyik nehézsége az elegendő mérnöki kontextus rögzítése. Így válaszolható meg például, hogy egy érzékelőtől a beavatkozóig tartó út teljesíti-e a késleltetési követelményt, elegendő kapacitású-e a kommunikációs architektúra, illetve összeegyeztethetők-e a szoftver végrehajtási feltételezései a hardver erőforrás-hozzárendeléseivel.

Egy modell azonban akkor használható elemzésre, ha érvényes. Látszólag hihető maradhat úgy is, hogy egy komponenshivatkozás nincs feloldva, egy tulajdonságot hibásan alkalmaztak, egy folyamat hiányos, vagy egy időzítési feltételezés mást jelent, mint amit a szerző szánt neki.

Nyelvi ellenőrzés és architektúraelemzés egy helyen

A SEI nyílt forráskódú AADL-eszközkészletet fejlesztett az OSATE, vagyis az Open Source AADL Tool Environment köré. Ennek része a Visual Studio Code-bővítés, amely nyelvi szolgáltatásokat és kiválasztott architektúraelemzéseket visz be abba a fejlesztői környezetbe, amelyet sok szoftvermérnök és AI-kódolóeszköz is használ.

A bővítés szintaktikai ellenőrzést és diagnosztikát, kiegészítést, navigációt, vázlatnézetet, útvonaljelzőket, valamint kódkommentekhez kapcsolódó lebegő információkat kínál. Elérhetővé teszi a beépített AADL-csomagokat és tulajdonságkészleteket, továbbá támogatja a komponenspéldányosítást, a végponttól végpontig tartó késleltetés elemzését, a kötött busz terhelésének vizsgálatát és az üzemmódok elérhetőségének elemzését. Ez utóbbi HTML-, DOT- és SMV-kimenetet is adhat.

A munkafolyamatban a mérnök megadja az architekturális célt és a korlátokat, az AI-kódolóeszköz pedig létrehozza vagy módosítja az AADL-forrást. A nyelvi szerver visszaadja a modellhez kapcsolódó hibákat, ezek alapján az AI és a mérnök javíthatja a forrást, majd a bővítés példányosíthatja a modellt és futtathatja a kiválasztott elemzéseket. A kutatók ezt a szoftverfejlesztésben ismert, generálásból, fordításból, tesztelésből és statikus elemzésből álló visszacsatolási mintához hasonlítják.

Repülésirányító rendszeren tesztelték

A kutatók egy repülésirányító példát építettek az extension és az OpenAI Codex with GPT-5.6 Sol AI-kódolóügynök segítségével. A modell négy AADL-csomagra oszlott. Az egyik a méretezett inerciális, légadat-, navigációs, parancs- és állapotjelentési adatokat írta le. Egy másik a szenzorokat, a beavatkozót, a telemetriai rádiót, az elsődleges és tartalék processzort, a RAM-ot, a ROM-ot, valamint a fizikai és beágyazott virtuális buszokat tartalmazta.

A szoftvercsomagban periodikus szenzoradat-beolvasó, navigációs szűrő, vezérlési törvény, parancskiadó és állapotfigyelő szálak szerepeltek. A telepített rendszert leíró csomag rögzítette többek között a processzor- és memória-hozzárendeléseket, a kapcsolatokat, az üzemmódokhoz kötött végponttól végpontig tartó folyamatokat, a költségkereteket és a rendszermódokat.

A modellben elsődleges repülésirányítási út szerepelt küldetésmódban, tartalék út csökkentett képességű módban, valamint mindkét módban aktív állapotjelentési út. A legfelső szintű módgép az indítási, küldetési, csökkentett képességű és karbantartási módokat kezelte, az állapotfigyelő pedig megfigyelési és elkülönítési módokat tartalmazott. A navigációs szűrő 20 milliszekundumos periódust és határidőt, 3 és 5 milliszekundum közötti végrehajtási időt, 210-es prioritást, 32 KiB stackméretet, 96 KiB kódméretet és 220,0 MIPS-es költségkeretet kapott.

A mérnöki döntés továbbra is emberi feladat

A SEI hangsúlyozza, hogy a prototípus nem bizonyította, hogy az AI képes repülésirányító rendszert megtervezni vagy tanúsítani. A bemutató szűkebb eredménye az volt, hogy a tartományspecifikus ellenőrzéssel és elemzéssel összekapcsolt AI-kódolóeszköz segíthet egy összetett AADL-modell létrehozásában és finomításában, miközben a bírálók által ellenőrizhető, a modell elemeihez és feltételezéseihez visszakövethető bizonyítékokat állít elő.

A szervezet szerint az AI nem váltja ki a mérnöki ítéletet és a jóváhagyási hatáskört. A cél a rutinszerű modellezési munka csökkentése, hogy a szakemberek nagyobb figyelmet fordíthassanak a feltételezésekre, a kompromisszumokra és az elfogadási feltételekre. A bővítés nyílt forráskódú, elérhető a Visual Studio Code Marketplace-en, forráskódja pedig a SEI által kezelt OSATE GitHub-szervezet AADL Tooling tárolójában található.