Towards LLM-Assisted Architecture Recovery for Real-World ROS~2 Systems: An Agent-Based Multi-Level Approach to Hierarchical Structural Architecture Reconstruction

Riepilogo Tecnico: Recupero dell'Architettura Assistito da LLM per Sistemi ROS 2 Reali

Enunciato del Problema
I modelli espliciti di architettura software sono fondamentali per l'analisi e l'evoluzione di sistemi complessi, tuttavia sono frequentemente assenti, obsoleti o incoerenti nei progetti software di lunga durata. Questo problema è particolarmente acuto nei sistemi cyber-fisici distribuiti basati sul Robot Operating System 2 (ROS 2). In ROS 2, la composizione strutturale gerarchica e le semantica di integrazione sono spesso codificate implicitamente attraverso artefatti dispersi, inclusi codice sorgente, file di build, file di avvio e file di parametri. A differenza dei sistemi tradizionali, le istanze di runtime dei nodi ROS 2, gli spazi dei nomi, le rimappature e le composizioni indotte dall'avvio sono raramente mantenute in un modello architettonico completo.

Gli approcci di recupero esistenti si concentrano principalmente su entità a livello di nodo e cablaggi di comunicazione, offrendo un supporto limitato al recupero della composizione/decomposizione strutturale gerarchica attraverso più livelli di astrazione. Sebbene i Modelli Linguistici di Grande Dimensione (LLM) mostrino promesse nell'inferire relazioni semantiche da artefatti eterogenei, un recupero basato su LLM senza vincoli rischia di produrre elementi allucinati, incompleti o privi di supporto strutturale a causa della mancanza di una guida architettonica specifica del sistema. Un lavoro precedente degli autori ha dimostrato che un approccio guidato da blueprint poteva vincolare la sintesi degli LLM, ma ha mostrato una diminuzione del richiamo (recall) nei repository con composizioni complesse indotte dall'avvio e semantica di integrazione distribuita.

Metodologia
Questo articolo presenta un approccio migliorato, basato su agenti e multilivello, per la ricostruzione gerarchica dell'architettura strutturale per sistemi ROS 2. La metodologia mantiene il concetto di modellazione basato su UML dal lavoro precedente degli autori, ma affina il processo di recupero attraverso una strategia a stadi che introduce artefatti intermedi espliciti per guidare la sintesi degli LLM.

La pipeline proposta opera in tre stadi distinti:

1. Identificazione dei Nodi Atomici (NodeAnalyzer):
   Il processo inizia con un'estrazione deterministica delle definizioni di nodi ROS 2 atomici dai file sorgente. L'agente NodeAnalyzer produce un artefatto JSON strutturato intitolato "Elenco dei Nodi ROS Atomici". Questo artefatto aggrega le evidenze a livello di repository in un inventario unificato, registrando l'identità del nodo, la proprietà del sorgente, il linguaggio di implementazione (Python/C++) e i punti di ingresso per l'esecuzione. Questo funge da indice a livello di sorgente per le fasi successive.

2. Analisi delle Dipendenze di Avvio (LaunchFileAnalyzer):
   Prima della sintesi a livello di sistema, l'agente LaunchFileAnalyzer genera una "Descrizione delle Dipendenze del File di Avvio" (JSON). Questo artefatto modella esplicitamente l'organizzazione al momento dell'avvio, inclusi:

   • Catene di inclusione dei file di avvio.
   • Istanze dirette dei nodi.
   • Ambiti degli spazi dei nomi e relazioni di rimappatura.
   • Istanze di runtime dei nodi (distinguendo tra le definizioni sorgente e le loro configurazioni di runtime).
     Questo passaggio separa le definizioni a livello di sorgente dalle istanze a livello di sistema, fissando le identità e le dipendenze dei nodi prima della sintesi finale.

3. Sintesi Guidata da Blueprint a Stadi:
   Lo stadio finale impiega un agente SystemArchitectureConstructor. A differenza degli approcci precedenti che sintetizzavano i sottosistemi direttamente dagli artefatti grezzi, questo agente utilizza un contratto di prompt raffinato. Il prompt è un modello riutilizzabile che incorpora l'"Elenco dei Nodi ROS Atomici" e la "Descrizione delle Dipendenze del File di Avvio" come contesto strutturato.

   • Ingegneria del Prompt: Il prompt definisce il ruolo, gli obiettivi, la storia di fondo e l'output atteso dell'agente, vincolando rigorosamente la sintesi alle evidenze fornite.
   • Sintesi: L'agente allinea il contesto di runtime (dalla descrizione delle dipendenze) con le definizioni a livello di sorgente (dall'elenco dei nodi) e le interfacce a livello di componente per generare un modello architettonico composto finale in PlantUML.
   • Validazione: L'output è validato contro il blueprint basato su UML, che definisce il vocabolario architettonico target (ad esempio, AtomicRosNodeClassifier, ComposedRosNodeClassifier, RosNodePart) e i vincoli strutturali.

Contributi Chiave

• Strategia di Recupero a Stadi: L'introduzione di artefatti intermedi espliciti (elenchi di nodi basati su JSON e descrizioni delle dipendenze di avvio) che disaccoppiano l'analisi a livello di sorgente dall'analisi della composizione di runtime. Questo riduce l'ambiguità semantica e migliora la controllabilità della sintesi assistita da LLM.
• Contratti di Prompt Raffinati: Un meccanismo di prompting strutturato che integra direttamente gli artefatti intermedi nel contesto dell'LLM, garantendo che l'architettura generata sia fondata su evidenze specifiche del repository piuttosto che su conoscenze generali.
• Ricostruzione Multilivello: L'approccio ricostruisce con successo l'architettura attraverso due livelli di astrazione:
  • Livello Atomico: Definizioni a livello di implementazione dei singoli nodi.
  • Livello Composto: Gerarchie di sottosistemi indotte dall'avvio, inclusa la propagazione degli spazi dei nomi e le rimappature.

Valutazione Sperimentale
L'approccio è stato valutato sul caso di studio BrickByBrick, un sistema reale di smontaggio automatizzato di prodotti che presenta bracci robotici cooperativi, artefatti ROS 2 eterogenei e domini funzionali complessi (visione artificiale, pianificazione del movimento, interfacciamento hardware). Il sistema comprende circa 1.500 righe di codice Python distribuite su 4 package, 10 classi di nodi e 1 file di avvio.

La valutazione ha confrontato i modelli PlantUML recuperati con un modello di riferimento costruito manualmente utilizzando precisione, richiamo (recall) e punteggi F1 su specifici elementi metrici architettonici (ad esempio, nomi di classificatori, tipi di messaggi, tipi di servizi).

• Risultati a Livello Atomico: Il recupero degli elementi AtomicRosNodeClassifier (ACD) ha raggiunto punteggi perfetti: Precisione = 1.0, Richiamo = 1.0, F1 = 1.0. Ciò indica che il processo raffinato preserva forti capacità di recupero a livello di implementazione.
• Risultati a Livello Composto: Il recupero degli elementi ComposedClassifierDiagram (CCD), che rappresentano la composizione dei sottosistemi, ha raggiunto Precisione = 1.0, Richiamo = 0.95 e F1 = 0.98.
  • La precisione perfetta suggerisce che tutti gli elementi a livello di sistema generati sono supportati strutturalmente dalle evidenze del repository.
  • Il leggero divario nel richiamo (0.95) indica un piccolo numero di relazioni di composizione indotte dall'avvio mancanti, evidenziando che la ricostruzione completa delle semantica di integrazione rimane una sfida quando i confini sono codificati implicitamente.

Significato e Affermazioni
L'articolo afferma che l'approccio proposto, a stadi e guidato da blueprint, migliora significativamente la coerenza strutturale, la scalabilità e la robustezza del recupero dell'architettura rispetto ai precedenti metodi di sintesi diretta. Rendendo esplicite le evidenze di recupero intermedie, l'approccio riduce il rischio di allucinazioni e migliora la tracciabilità dagli artefatti di implementazione ai modelli architettonici.

Gli autori concludono con modestia che, sebbene il metodo recuperi con successo rappresentazioni architettoniche ad alta fedeltà da artefatti ROS 2 eterogenei, restano sfide riguardo alla ricostruzione completa di composizioni complesse indotte dall'avvio e di semantica di integrazione dinamica. Il lavoro futuro è identificato come focalizzato sulla formalizzazione del concetto di modellazione in un profilo UML più esplicito, sull'estensione del supporto per costrutti di avvio complessi (propagazione degli spazi dei nomi, rimappature) e sull'incorporazione di evidenze comportamentali o di runtime per completare il recupero statico.