Modeling and Recovering Hierarchical Structural Architectures of ROS 2 Systems from Code and Launch Configurations using LLM-based Agents

A continuación presento un resumen técnico detallado del artículo "Modeling and Recovering Hierarchical Structural Architectures of ROS 2 Systems from Code and Launch Configurations using LLM-based Agents", estructurado según los puntos solicitados.

1. El Problema

La Ingeniería Dirigida por Modelos (MDE) depende de modelos de arquitectura explícitos para documentar y evolucionar sistemas. Sin embargo, en los sistemas ROS 2 (Robot Operating System 2), la estructura de los subsistemas a menudo se codifica de manera implícita en artefactos de configuración distribuidos, principalmente en archivos de lanzamiento (launch files), en lugar de existir como modelos arquitectónicos explícitos.

• Desafíos actuales: Los enfoques de modelado existentes para ROS se centran en entidades a nivel de nodo y su cableado, pero no tratan la composición estructural jerárquica como una vista arquitectónica de primer nivel independiente de los artefactos de lanzamiento.
• Riesgo de mantenimiento: A medida que los sistemas evolucionan, la documentación se desvía de la implementación ("drift"), lo que dificulta la incorporación de nuevos desarrolladores y la evolución segura.
• Limitaciones de la IA genérica: Los enfoques recientes que utilizan Grandes Modelos de Lenguaje (LLM) para la recuperación de arquitectura sin restricciones pueden generar abstracciones incompletas, inconsistentes o difíciles de validar, especialmente cuando la semántica arquitectónica está dispersa entre código fuente, archivos de compilación y configuraciones de lanzamiento.

2. Metodología

El artículo propone un enfoque híbrido que combina extracción determinista con síntesis guiada por LLMs, restringida por un "plano" (blueprint) específico de ROS 2.

A. Concepto de Modelado Basado en UML

Se define un concepto de modelado para representar la descomposición estructural jerárquica, mapeando el código y la configuración a elementos arquitectónicos estandarizados:

1. AtomicRosNodeClassifier: Representa los bloques de construcción a nivel de código (clases que heredan de rclcpp::Node). Incluye puertos para temas (publicadores/suscriptores) y servicios, con sus tipos de mensajes y funciones de devolución de llamada.
2. RosNodePart: Instancias de los clasificadores anteriores, creadas mediante archivos de lanzamiento. Manejan la instanciación, la reasignación de nombres (remapping) y la propagación de espacios de nombres (namespaces).
3. ComposedRosNodeClassifier: Representa la composición de subsistemas inducida por archivos de lanzamiento. Permite anidar configuraciones y definir puertos externos para la comunicación entre subsistemas.
4. Namespace: Gestiona el alcance jerárquico de los nombres en tiempo de ejecución.

B. Sistema de Recuperación Automatizado Guiado por Planos

El sistema utiliza una arquitectura basada en agentes (implementada con CrewAI) que separa la extracción sintáctica de la síntesis semántica:

1. Análisis Determinista (NodeAnalyzer): Extrae nodos atómicos de los archivos fuente mediante análisis estático basado en reglas (identificando herencia de rclcpp::Node). Esto genera un artefacto JSON estructurado y reproducible.
2. Síntesis Asistida por IA (Agentes de Arquitectura):
   • ComponentArchitectureTeam: Utiliza el JSON de nodos y un LLM para generar modelos de componentes de nivel bajo (PlantUML), utilizando few-shot prompting y restricciones del plano para asegurar el formato correcto.
   • SystemArchitectureTeam: Reconstruye la composición jerárquica de tiempo de ejecución integrando archivos de lanzamiento, manifiestos y modelos de componentes. Utiliza el plano para inferir límites de subsistemas, jerarquías de namespaces y relaciones de comunicación.
3. Validación: El plano actúa como contrato estructural que limita el espacio de búsqueda del LLM, permitiendo una validación determinista de los resultados generados.

3. Contribuciones Clave

1. Concepto de Modelado UML: Una nueva conceptualización para la arquitectura estructural jerárquica de ROS 2 que separa la definición de nodos atómicos de la composición inducida por lanzamiento.
2. Pipeline de Recuperación Automatizada: Un sistema que integra extracción estática determinista con agentes LLM guiados por un plano específico de dominio, evitando la generación alucinada de arquitectura.
3. Evaluación Empírica: Una demostración en tres repositorios ROS 2 (dos sintéticos y uno a escala industrial de Autoware), validando la precisión y el recall de los modelos recuperados.

4. Resultados de la Evaluación

La evaluación se realizó comparando los modelos generados automáticamente con referencias creadas manualmente por expertos, utilizando métricas de Precisión, Recall y F1 en elementos semánticos (nombres, tipos, namespaces, etc.).

• Caso de Estudio I (Solo código, sin lanzamiento): Recuperación perfecta (Precisión, Recall y F1 = 1.0). La extracción determinista de nodos atómicos funciona impecablemente cuando no hay complejidad de integración.
• Caso de Estudio II (Código + Lanzamiento):
  • Nivel atómico: Perfecto (1.0).
  • Nivel compuesto: Alta precisión (0.88) pero Recall moderado (0.75). El sistema evita elementos falsos positivos, pero pierde algunas relaciones de integración complejas (scopes de namespaces).
• Caso de Estudio III (Escala Industrial - Autoware):
  • Nivel atómico: Precisión 0.78, Recall 0.55. La complejidad del código (herencia múltiple, clases auxiliares) oculta las señales estructurales.
  • Nivel compuesto: Precisión perfecta (1.0), pero Recall bajo (0.35).
• Tendencia General: La precisión se mantiene alta en todos los niveles gracias a las restricciones del plano, lo que garantiza que lo que se genera es estructuralmente válido. Sin embargo, el recall disminuye a medida que aumenta la complejidad del sistema y la semántica de integración se vuelve más implícita en los archivos de configuración.

5. Significado y Conclusión

El trabajo demuestra que es posible recuperar arquitecturas estructurales jerárquicas de sistemas ROS 2 complejos utilizando una combinación de análisis estático y LLMs, siempre que se impongan restricciones estrictas basadas en un plano de dominio.

• Valor Principal: El enfoque resuelve el problema de la "alucinación" en la recuperación de arquitectura mediante LLMs al forzar la coherencia con los patrones conocidos de ROS 2.
• Limitación Identificada: El principal desafío restante es la reconstrucción de la fase de integración en sistemas a gran escala, donde la semántica de cómo se ensamblan los subsistemas está altamente implícita y dispersa.
• Futuro: Se propone formalizar el concepto en un perfil UML completo, mejorar el soporte para construcciones de lanzamiento complejas e integrar el sistema en pipelines de CI/CD para la detección continua de desviaciones arquitectónicas.

En resumen, el artículo ofrece una solución viable para mantener la documentación arquitectónica sincronizada con el código en ecosistemas robóticos modernos, equilibrando la automatización de la IA con la rigurosidad de la ingeniería de software.