BOARD-AI: A Goal Recognition-Based Objective-Aware Modeling Interface for Systems Engineering - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

BOARD-AI: A Goal Recognition-Based Objective-Aware Modeling Interface for Systems Engineering

Résumé

Paper and pens remain the most commonly used tools by systems engineers to capture system models. However, digitizing models sketched on a whiteboard into Computer-Aided Systems Engineering (CASE) tools remains a difficult and error-prone activity that requires the knowledge of tool experts. This study presents a reactive whiteboard interface for model sketching. This online approach combines techniques from Automated Planning and Machine Learning to improve performance while not compromising explainability of the system's output. Our approach mainly relies on two main modules: (1) a trained neural network that separates upstream from the global recognition process, handwritten text from geometrical symbols, and (2) a goal recognition algorithm that models the sketching task as a planning problem to identify the final s ketches t hat a re d eemed p ossible. T he main benefits of BOARD-AI are its autonomy, i.e. it does not rely on any other interaction modalities (e.g., virtual keyboards), and its explainability, i.e. the outcomes of the modeling assistant are understandable since a plan provides a valid explanation of the system's suggestions. Finally, BOARD-AI usability was validated trough user evaluations of engineers, experts and non experts in software and/or system modeling design. The demo video is available at https://cloud.univ-grenoblealpes.fr/s/9ifZZCqW7eWQEdy.
Papier et stylos restent les outils les plus couramment utilisés par les ingénieurs systèmes pour capturer leurs modèles. Cependant, la numérisation des modèles esquissés sur un tableau blanc dans des outils d'ingénierie des systèmes assistés par ordinateur (CASE) reste une activité difficile et sujette à erreurs qui nécessite les connaissances d'experts en la matière. Ce travail présente une interface réactive pour l'esquisse de modèles sur tableau blanc. Cette approche en ligne combine des techniques de planification automatique et d'apprentissage afin d'améliorer les performances tout en ne compromettant pas l'explicabilité des résultats du système. Notre approche repose principalement sur deux modules : (1) un réseau neuronal qui sépare, en amont du processus de reconnaissance globale, le texte manuscrit des symboles géométriques, et (2) un algorithme de reconnaissance des objectifs qui modélise la tâche de croquis comme un problème de planification afin d'identifier les croquis finaux qui sont jugés possibles. Les principaux avantages de BOARD-AI sont son autonomie, c'est-à-dire qu'il ne dépend d'aucune autre modalité d'interaction (par exemple, les claviers virtuels), et sa capacité d'explication, c'est-à-dire que les résultats de l'assistant de modélisation sont compréhensibles puisqu'un plan fournit une explication valide des suggestions du système. Enfin, la facilité d'utilisation de BOARD-AI a été validée par des évaluations d'ingénieurs, d'experts et de non experts en conception de logiciels et/ou de systèmes de modélisation. La vidéo de démonstration est disponible sur https://cloud.univ-grenoble-alpes.fr/s/9ifZZCqW7eWQEdy.
Fichier principal
Vignette du fichier
DTIS2023-089-DTIS2023-089-DTIS2023-089-postprint-Acceptée.pdf (454.8 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04317682 , version 1 (01-12-2023)

Identifiants

  • HAL Id : hal-04317682 , version 1

Citer

Alexandre Albore, Sandra Castellanos-Paez, Nicolas Hili. BOARD-AI: A Goal Recognition-Based Objective-Aware Modeling Interface for Systems Engineering. 33rd International Conference on Automated Planning and Scheduling (ICAPS 2023), Jul 2023, Prague, Czech Republic. ⟨hal-04317682⟩
36 Consultations
22 Téléchargements

Partager

Gmail Mastodon Facebook X LinkedIn More