返回
Multi-Agent Software Development for Automotive Model-Based Graphical Programming
DOI:10.1109/access.2026.3711515.png)
摘要
En 中文
汽车行业正经历由电气化、自主化和连接性驱动的前所未有的软件复杂性增长。基于模型的仿真设计(MBD)工具如Simulink已成为行业标准,但将自然语言软件需求转化为合规且经过测试的控制模型仍是一项主要依赖人工且耗时的工作。本文提出了一种专为汽车模型化软件开发的创新多智能体大型语言模型(LLM)框架。该框架协调一组专业AI智能体,覆盖软件开发生命周期的实现和测试部分,包括Simulink模型生成、测试用例创建、合规性检查、测试用例执行和自动优化。为严格评估该方法,我们引入了汽车软件工程基准(ASWE-Bench),这是一个包含38项分类为数据转换、组合逻辑、带定时器的状态逻辑和闭环控制的汽车软件需求的新基准套件。结果表明,生成式AI性能得到显著提升:基线LLM方法仅达到47.4%的模型级通过率,而我们的完整多智能体框架在生成模型中达到73.7%。这项工作将生成式AI从孤立提示推进到复杂开发环境中的自动化,并为模型化系统工程中的可扩展AI驱动软件流水线奠定了基础。为支持可重复性和未来基准测试,所提出的ASWE-Bench(含需求及单元测试)已公开提供于:https://git-ce.rwth-aachen.de/mmp-rwth-aachen/aswe-bench。
Keyword:
Model-Based Design
Large Language Models
Automotive Software Engineering
Multi-Agent Systems

