Universität Stuttgart
Permanent URI for this communityhttps://elib.uni-stuttgart.de/handle/11682/1
Browse
Search Results
Item Open Access Generating code for distributed deployments of cyber-physical systems using the MechatronicUML(2022) Stürner, DavidModels are applied in engineering disciplines to describe systems from a higher level of abstraction. In Model-Driven Software Engineering (MDSE), formal models are used to design and verify software systems and to infer platform-specific models and implementations. The MechatronicUML is an MDSE method specifically designed for distributed cyber-physical systems (CPS). This thesis explores how the MechatronicUML may be used for generating code. The exact state of previous code generation approaches is not precisely known. The objective of this thesis is to design and implement a MechatronicUML-based code generator for distributed deployments of CPS. Previous code generation approaches are analyzed for this purpose and one approach is selected and extended to support a particular type of robot car as a target platform. A taxonomy for model-based code generation is proposed to structure the analysis of the previous approaches. Based on the selected previous approach, a code generator is presented and implemented. Additionally, an automotive application scenario is used as a case study for evaluating the concept and the implementation of the presented code generator. This code generator supports modeling the distributed deployment of a CPS with the MechatronicUML and generates platform-specific source code which can be successfully compiled and deployed on the Arduino-based robot cars. Ultimately, the thesis presents a proof of concept to generate the code for a distributed CPS based on the MechatronicUML.Item Open Access Occlusion handling in behavior planning using imitation learning for autonomous driving(2022) Palaniswamy, JanaranjaniCommissioning a self driving vehicle to run on road, requires the facilitation of complete vehicle system to work at all conditions. Behavior planning is a crucial part of the autonomous driving system and it is important to ensure safe and comfortable navigation of the ego vehicle. More advancements are required to enhance the data-driven approaches for the planning systems. The urban driving scenarios always possess a variety of disturbances and inefficiencies. In which, the roundabout is a challenging driving task where uncertainties are caused due to static priority rules and occlusions that limits the field of view for the ego vehicle. Thus behavior planning must make sure to consider the uncertainty of limited visibility of the environment explicitly. Although machine learning-based approaches show promising results for behavior planning. A single planner cannot handle all other urban driving scenarios. Hence, an imitation learning-based technique can help the behavior planner to mimic the human expert behavior. In this context, an end-to-end planning system based on imitation learning proposed by Waymo is used. The behavior planning framework makes use of mid-level input and output representations making it viable to be interfaced with existing vehicle system. The planner outputs a set of waypoints to drive the vehicle controller. However, the existing imitation learning-based planning framework with the Intelligent Driver Model (IDM) as an expert and policy model made of a multi-task network did not address this use case of occluded roundabouts. As the default IDM generates training data with a visibility of the environment, there arises a need for a strategic approach to handle the occluded environments. This thesis work aims at leveraging the existing planning system to handle the situations in a roundabout with limited visibility. Ultimately, the goal is to train the policy model with more realistic data and enable it to make safe and comfortable driving decisions. For this purpose, an occlusion algorithm is implemented to induce limited visibility of the roundabout environment in simulation. And the expert model is enhanced to handle the limited field of view much similar to how a human driver behaves. Consequently, the training dataset generated from the expert is upgraded with an additional input feature. This add-on feature in the input data provides enough knowledge for the policy to perform well in the occluded environment. A study on modern architecture search is performed and a suitable convolutional network is adopted as the backbone for this multi-task model. The enhanced behavior of the proposed approach is demonstrated via detailed quantitative analysis. For this purpose, a new comfort metric is defined and used as Key performance Indicator (KPI) to evaluate the models. An ablation study is conducted with the expert and confirmed that the new extended IDM behaves more carefully in an occlusion environment. In the end, the influence of the training data is inferred by a detailed comparison of the policy model in default and occlusion environments with different dataset configurations. The importance of more realistic data is realized and also shows that the policy model can imitate the expert behavior well enough. It is exhibited that the proposed methodology can handle the occlusions in the complex roundabout situations in simulation.Item Open Access RAFT meets DICL : a recurrent all-pair transform for optical flow estimation based on displacement Invariant cost volume learning(2022) Luz, MaximilianBewegung ist ein grundlegender Aspekt der visuellen Wahrnehmung, sowohl bei Tieren als auch bei Maschinen. Die Extraktion von Bewegungsinformationen aus monokularen Bildsequenzen als Vektorfeld von Verschiebungen, dem sogenannten optischen Fluss, ist eines der Kernprobleme des Maschinensehens. Dessen Anwendungen sind weitverbreitet und werden, unter anderem durch Fortschritte beim autonomen Fahren und anderen autonomen Maschinen, welche mit unserer Welt interagieren, stets mehr und wichtiger. Überdies nutzen Systeme zur Handlungserkennung (Action Recognition), Objektverfolgung, Navigation und Lokalisierung, Videoverarbeitung, sowie für diverse andere visuelle Analyseaufgaben solche Bewegungsinformationen, wodurch ein erheblicher Bedarf an genauen Methoden zur Schätzung des optischen Flusses entsteht, insbesondere an solchen, die in verschiedenen anspruchsvollen Szenarien gut und zuverlässig funktionieren. Zu diesem Zweck schlagen wir die Kombination zweier moderner Ansätzen vor: der "recurrent all-pairs field transform for optical flow" (RAFT) von Teed und Deng (ECCV 2020) und dem "displacement-invariant matching cost learning" (DICL) von Wang et al. (NeurIPS 2020). RAFT führt eine neuartige rekurrente neuronale Architektur ein, die den optischen Fluss iterativ auf einer einzigen räumlichen Ebene durch Abtasten und Dekodieren eines hierarchischen 4D-Kostenvolumens ermittelt und verfeinert. Hierdurch wurde es zu einer der derzeit genauesten Methoden. Bei RAFT wird dieses Kostenvolumen, das aus Werten besteht, welche die paarweise Ähnlichkeit zwischen den merkmalsbeschreibenden Vektoren zweier aufeinander folgender Bilder einer Sequenz beschreiben, über das Skalarprodukt berechnet. DICL hingegen verwendet ein neuronales Netzwerk als erlernbare Kostenfunktion, um genauere Kostenwerte zu generieren, ermittelt aber den Fluss nicht rekurrent, sondern folgt einem eher klassischen grob-zu-fein Warping Schema. In dieser Masterarbeit kombinieren wir das Beste aus beiden Techniken, im Speziellen den dynamischen Kostenlernansatz von DICL und den rekurrenten Ermittlungs- und Verfeinerungsansatz von RAFT. Wir tun dies, indem wir einen generischen RAFT-basierten Ansatz herleiten, welcher die Verwendung beliebiger und potenziell erlernbarer Kostenfunktionen, insbesondere jener von DICL, ermöglicht, wobei nur deren Differenzierbarkeit erforderlich ist. Des Weiteren liefern wir eine detaillierte Analyse dieser Kombination, sowohl für eine RAFT-ähnliche hierarchische Kostenvolumenmethode als auch für eine praktikablere grob-zu-fein Methode, und erörtern mehrere Schwierigkeiten, die dabei auftreten. Obwohl wir noch nicht in der Lage sind, signifikante Verbesserungen in der Genauigkeit im Vergleich zu RAFT aufzuzeigen, glauben wir, dass unser Gesamtansatz das Potenzial für diese zeigt und darüber hinaus neue Kostenlernstrategien ermöglichen kann.Item Open Access A deep learning approach for large-scale groundwater heat pump temperature prediction(2022) Scheurer, StefaniaHeating and cooling buildings is one of the most energy-intensive aspects of modern life. To minimize the impact on global warming and decelerate climate change, more efficient and carbon emission-mitigating technologies such as openloop groundwater heat pumps (GWHP) for heating and cooling buildings are being used and quickly adopted. Nowadays, in order to guarantee their optimal use and prevent negative interactions, city planners need to optimize their placement in the urban landscape. This optimization process requires fast models that simulate the effect of a GWHP on the groundwater temperature. Considering a large domain with multiple GWHPs, this work introduces a framework for the groundwater temperature prediction. While using a learned local surrogate model, a convolutional neural network, to predict the local temperature field around every single GWHP, a physics-informed neural network (PINN) is employed afterwards to correct the global initial solution of stitched together local predictions. As the violations of the physical laws described by the underlying partial differential equation(s) are spatially unevenly distributed, two different methods for drawing sampling points, on the basis of which the training of the PINN to correct the global initial solution takes place, are investigated and compared. This work shows that it is possible for a PINN to correct the global initial solution of stitched together local predictions in a domain with multiple GWHPs. However, there are still opportunities to improve the quality and decrease the computational time of the presented framework. The best method for drawing sampling points depends on the scenario and the placement of the GWHPs. Thus, no general statement can be made, which of the two methods is more suitable. This work provides a good basis for further investigation of the presented framework.Item Open Access Generation of BPMN 2.0 plans to deploy applications in OpenTOSCA(2022) Li, Kuang-YuCloud Computing has become highly market penetrating for its economic and technical benefits such as elasticity, outsourcing, pay-per-use pricing models, scalability, and self-service usage of services. Automating the provisioning, configuration, and management of complex applications is one of the most difficult challenges in Cloud Computing because each technology and API comes with individual formats, domain-specific languages, invocation mechanisms, and prerequisites. Topology and Orchestration Specification for Cloud Applications (TOSCA) enables the standardized descriptions of Cloud applications and their management to overcome these challenges. A TOSCA application contains all software artifacts required to provision, operate, and manage the application, which can be run in standard-compliant TOSCA runtime environments which can be hosted across different providers. The OpenTOSCA ecosystem is one of the state of art runtime environments for TOSCA-based applications. It enables fully automated deployment and management of applications defined in TOSCA. TOSCA specifies two approaches for processing applications: imperative processing and declarative processing. The imperative approach requires an application to include imperative plans, which are executable process models, for different purposes such as provision, scale, migration, and termination. The imperative approach enables the full customization of automated management of complex applications. However, manual generation of these plans is not only error-prone but also time-consuming due to the immense complexity of tasks and heterogeneous components involved in the application. On the other hand, the declarative approach uses TOSCA runtime environments to infer the management logic from the topology of components in an application without the need for predefined plans. With the declarative approach, modelers may concentrate on the application’s structure without having to create plans. Because application developers are unable to explicitly describe every functionality, the declarative approach is confined to simple application management. Since the two approaches do not exclude each other, it is preferable to provide an automated plan generation that can benefit from both approaches. The benefit is that the explicit declarative modeling of a complex application’s structure is preserved while providing the developers with the ability to customize the generated imperative plans for individual requirements without creating the plan completely. Business Process Model and Notation (BPMN), a workflow language with a standardized graphical notation and well-defined execution semantics, fits well in the context of model plans. As a result, a TOSCA runtime that supports automated plan generation and execution in BPMN is extremely desirable. This work develops the concepts for automatically generating imperative provision plans in exe- cutable BPMN for cloud applications based on the TOSCA standard using a hybrid approach. The graphical component of the BPMN plan is generated in human-understandable execution order, which enables the application developer to customize the generated plan for individual requirements. This hybrid approach benefits the strengths of imperative and declarative processing. A prototype was developed based on the OpenTOSCA ecosystem to test the feasibility of the concepts. The concept and implementation for BPMN plan generation complete OpenTOSCA ecosystem with end-to-end support in BPMN, from modeling to provisioning.Item Open Access Generierung und Abdeckung repräsentativer Pfadmengen in Straßennetzwerken(2022) Berner, LukasFür die Suche nach kürzesten Pfaden in sehr großen Graphen wurden verschiedene Beschleunigungstechniken, wie z.B. Contraction Hierarchies, Hub-Labels oder Transit Node Routing, entwickelt. Um optimale Anfragezeiten und Speicherverbrauch zu erreichen, benötigen viele Beschleunigungstechniken eine Menge wichtiger Knoten. In dieser Arbeit wird eine Methode zur Berechnung wichtiger Knoten eines Graphen vorgestellt. Um diese Knoten zu finden, wird auf einer repräsentativen Pfadmenge ein Hitting Set Problem mit einem Greedy-Algorithmus gelöst. Die repräsentative Pfadmenge, die möglichst unterschiedliche kürzeste Pfade des Graphen enthalten soll, wird mit einer well-separated pair decomposition und einem Quadtree berechnet. Das Verfahren wurde mit dem deutschen Straßennetzwerk (25M Knoten) getestet und liefert hier einige tausend wichtige Knoten, mit denen bereits etwa 99,9 % aller kürzesten Pfade im Graph abgedeckt sind.Item Open Access Entwicklung eines Decision Support Systems für die Verarbeitung von sicherheitskritischen Daten durch Cloud-Anwendungen(2022) Hepp, JohannesSeit dem Aufkommen der Cloud hat sich die Art Anwendungen zu betreiben stark verändert: Die Cloud ist dezentral und einfach skalierbar. Durch das Prinzip pay-per-use ist der Betrieb von Komponenten in Cloud-Umgebungen für viele Firmen attraktiv. Allerdings entstehen bei der Auslagerung vonKomponenten in Cloud-Umgebungen immer wieder Probleme und Schwierigkeiten, besonders bei Anwendungen, die sicherheitskritische Daten verarbeiten, die bisher in firmeninternen Infrastrukturen betrieben wurden. In den letzten Jahren wurden für diese Probleme zahlreiche Ansätze und Technologien entwickelt, allerdings ist der Zugang zu diesem Wissen erschwert, da es in unterschiedlichsten Formen dokumentiert ist, wie beispielsweise wissenschaftliche Literatur, White Papers oder Blog-Posts, und die passende Lösung von vielen Variablen abhängt. Aus diesem Grund beschäftigt sich diese Arbeit damit, dieses Wissen mit Hilfe der Entwicklung eines Decision Support Systems einfach zugänglich zu machen. Durch die Befragung von Experten werden verschiedene Arten von sicherheitskritischen Daten festgelegt, sowie Anforderungen für das Decision Support System gesammelt. Für die verschiedenen Arten von sicherheitskritischen Daten werden existierende Best Practices und Patterns für den Betrieb von Anwendungen, die diese Daten verarbeiten, recherchiert und eigene Patterns erstellt. Bei den Experteninterviews wurde klar, dass ein System das alle wichtigen Informationen zusammenfasst bisher nicht existiert und eine zentrale Lösung einen großen Mehrwert in der täglichen Arbeit bieten würde. Desweiteren konnten mit Hilfe einer Multivocal Literature Review mehrere Pattern-Sprachen ermittelt werden, die Informationen über den Betrieb von sicherheitskritischen Daten in der Cloud enthalten und drei eigene Pattern erstellt werden, die die rechtlichen Problematiken mit sicherheitskritischen Daten abbilden. Der Prototyp, der im Rahmen dieser Arbeit entstanden ist, macht dieses Wissen auf übersichtliche und einfache Weise zugänglich. Zusammengefasst bietet diese Masterarbeit Informationen für die Verarbeitung von sicherheitskritischen Daten durch Cloud-Anwendungen mit einer Auflistung und Erstellung relevanter Pattern-Sprachen und einem einfachen Zugang durch einen Prototypen. Der Schutz dieser Daten ist besonders relevant, da ein Verlust große Imageschäden und finanzielle Belastungen verursachen kann.Item Open Access Evaluation and application of estimated gaze depth in Virtual Reality(2022) Walter, TobiasEye Tracking Kameras werden zum Standard in neuen Virtual Reality Brillen. Während Evaluation und Bewertung von zweidimensionalen Eye Tracking Daten schon Einsatz in Forschung und Designprozessen finden, ist der Einsatz von dreidimensionaler Blicktiefe weitgehend unerforscht. Üblicherweise wird zur Schätzung der Blicktiefe der Blickstrahl mit einer zweidimensionalen Ebene, z.~B. dem Bilschirm, geschnitten. Allerdings setzt dieser Ansatz voraus, dass Abstände der Szene bekannt sind und keine Verdeckung auftritt. In dieser Arbeit wird die Blicktiefe durch das Schneiden der Blickgeraden beider Augen geschätzt. Dies ermöglicht die Verwendung von semi- transparenten Objekten, mit denen ein Benutzer interagieren kann. Einblicke in die Blicktiefe können wertvolle Einsichten in Benutzerverhalten liefern, in verdeckungsreichen Szenen die Frage klären, welches Ziel fokussiert wird und neue Interaktionstechniken ermöglichen. Ziel dieser Arbeit ist es, Blicktiefenschätzung zu evaluieren und neue Verwendungsmöglichkeiten zu erfrorschen. Um eine zuverlässige Schätzung zu erhalten, werden zwei Kalibrierungsprozeduren entwickelt, die auf aktuellen Methoden aufbauen und Modalitäten verglichen, die Einfluss auf die Kalibrierung haben könnten. Die Implementierung wurde in einer Pilotstudie (n=10) verglichen. Die Ergebnisse zeigen, dass Interaktion gut in Distanzen bis zu 1.2 Metern funktioniert, während Objekte, die nur 30 cm vom Benutzer entfernt waren, teilweise als unangenehm empfunden wurden. Außerdem legen die Ergebnisse nahe, dass ein sich bewegendes Kalibrierungsziel zu einer besseren Allzweckkalibrierung führt. Eine sorgfältige Kalibrierung des Raumes, in dem Interaktion verwendet wird, kann daher die Blicktiefenschätzung und Interaktion verbessern.Item Open Access Metamorphic testing of version control systems(2022) Reichel, MaximilianCurrently, no approach exists to automatically and systematically test the implementation of version control systems (VCS). VCS are widely used in the software development industry, where a lot of people rely on these systems to perform as specified and not to lose any data. However, problems with the implementations of such systems are found frequently which causes risks and inconveniences to the users. The oracle problem renders traditional testing impractical. In this thesis, we present an approach to automatically test the implementation of VCS using metamorphic testing. Metamorphic testing is an approach to mitigate the oracle problem by splitting it up into smaller parts. Instead of knowing the expected behavior of a program for a specific input, this approach uses the knowledge of how a certain change of the program input will be reflected in its output. We develop such transformations of inputs of VCS and the corresponding relations of the outputs. Since this requires initial inputs to work with, we also develop a random input test generator. We combine these two components into an automated testing tool. As inputs, we use bash-scripts containing commands to interact with the VCS and the file system. As outputs, we use the files in the working directory after executing the input scripts. Additionally, we develop a test minimizer to reduce the number of commands in the inputs when a relation gets violated. This eases the manual analysis later. Since git is complex and currently the most popular VCS, it makes a good first target to test our approach. We find five real-world bugs in the implementation of git and archive a precision of 90.79%. Additionally, we are able to minimize the test inputs to 15 of the original size on average.Item Open Access Orchestrating data governance workloads as stateful services in cloud environments using Kubernetes Operator Framework(2022) Wang, XiaominData is becoming the core corporate asset that will determine the business’s success. As a result, it is critical for governing enterprise data. Previously, the Enterprise Content Management (ECM) system was employed by many companies to manage and process their enterprise data, which is a monolithic data governance application. As the ECM system is typically deployed on bare metal or at most in a virtualized IT infrastructure, it lacks the flexibility to support Continuous Integration (CI) and Continuous Delivery (CD) cost-effectively. Cloud computing has gained popularity as a powerful platform for application deployment, owing to perceived benefits such as elasticity to fluctuating load and reduced operational costs as compared to running in traditional data centers. Therefore, it is promising to migrate the legacy ECM system into the cloud. The goal of this thesis is to orchestrate stateful database workloads in Kubernetes that are typical for ECM systems. For our concept verification, we included a comparison and analysis between traditional and comparable cloud native Relational Database Management System (RDBMS) using IBM DB2, PostgreSQL, CockRoachDB and Google Spanner. We proposed an implementation of the Monitor-Analyze-Plan-Execute (MAPE) concept using the Kubernetes Operator framework. With our prototype implementation, we proved that the Kubernetes operator is able to deploy a cluster for DB2 consisting of a read/write primary and up to three read-only members. Various experiments carried out on the prototype have evidenced its High Availability (HA), Disaster Recovery (DR) features as well as read scalability.