本文介绍了一种以证据驱动的工作流,用于系统地将从仿真和运行活动中获得的知识转移回网络物理系统的设计时模型。所提出的方法旨在解决将执行结果隐式转移到持久设计知识的挑战。该工作流使用带有符号跟随机器人用例的影响模型进行了演示,展示了仿真证据如何通过支持与参与者修剪、交互表征和有效性范围相关的决策来增强影响模型。 AI
影响 通过将现实世界的运行数据整合到设计过程中,这项研究可以提高复杂系统的鲁棒性和可靠性。
排序理由 该项目是一篇学术论文,详细介绍了一种新的系统设计方法。 [lever_c_demoted from research: ic=1 ai=0.4]
- alphaXiv
- arXiv
- CatalyzeX
- CORE Recommender
- Cyber-Physical Systems
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- ScienceCast
- sign-following robot
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →