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

Título: Modelagem e Recuperação de Arquiteturas Estruturais Hierárquicas de Sistemas ROS 2 a partir de Código e Configurações de Lançamento usando Agentes Baseados em LLM

1. Problema

A Engenharia Orientada a Modelos (MDE) depende de modelos de arquitetura explícitos para documentar e evoluir sistemas. No entanto, no ecossistema ROS 2 (Robot Operating System), a estrutura dos subsistemas é frequentemente codificada de forma implícita em artefatos de configuração distribuídos, principalmente nos arquivos de lançamento (launch files), em vez de ser representada em modelos arquitetônicos explícitos.

As principais dificuldades identificadas são:

• Falta de Decomposição Hierárquica: Abordagens existentes focam em entidades de nível de nó (node-level) e conexões, mas não capturam adequadamente a composição estrutural hierárquica (subsistemas dentro de subsistemas) como uma visão arquitetônica independente dos artefatos de lançamento.
• Desalinhamento (Drift): À medida que sistemas de longa duração evoluem, a documentação arquitetônica tende a se desalinhar da implementação real, especialmente porque decisões arquiteturais estão dispersas entre código-fonte, arquivos de construção (CMake), arquivos de lançamento e configurações de parâmetros.
• Limitações da Recuperação Genérica: Métodos de recuperação de arquitetura baseados em Grandes Modelos de Linguagem (LLMs) sem restrições de domínio tendem a gerar abstrações incompletas, inconsistentes ou difíceis de validar, especialmente quando a semântica arquitetônica está distribuída entre múltiplos tipos de artefatos.

2. Metodologia

Os autores propõem uma abordagem híbrida que combina extração determinística com síntese semântica guiada por LLMs, baseada em um "blueprint" (planta baixa) específico do ROS 2.

A. Conceito de Modelagem Baseado em UML

Foi definido um conceito de modelagem para representar a decomposição estrutural hierárquica, mapeando código e configurações para elementos arquiteturais UML:

1. AtomicRosNodeClassifier: Representa blocos de construção de nível de código (classes que herdam de rclcpp::Node). Define portas (publicadores, assinantes, serviços) e tipos de dados (mensagens e serviços).
2. RosNodePart: Instâncias de nós (atômicos ou compostos) com nomes específicos definidos nos arquivos de lançamento, incluindo mapeamento de namespaces.
3. ComposedRosNodeClassifier: Representa a composição de múltiplos nós, mapeada diretamente para arquivos de lançamento. Captura a hierarquia de inclusão de arquivos de lançamento e a composição de subsistemas.
4. Namespace: Gerencia o escopo e a propagação de nomes hierárquicos em tempo de execução, conforme definido nos arquivos de lançamento.

B. Pipeline de Recuperação Automatizada Guiada por Blueprint

O sistema utiliza uma arquitetura baseada em CrewAI (framework de agentes) com três agentes principais:

1. NodeAnalyzer (Determinístico): Realiza análise estática de código-fonte e cabeçalhos para extrair identidades de nós atômicos e seus caminhos de arquivo. Esta etapa é totalmente determinística e baseada em regras sintáticas.
2. ComponentArchitectureTeam (Síntese Nível de Componente): Consome os dados extraídos e usa um agente LLM para sintetizar modelos de componentes (PlantUML) para cada nó atômico. O prompt é estritamente limitado pelo "blueprint" do ROS 2 (regras de estrutura e tipos permitidos) e usa few-shot prompting para garantir conformidade.
3. SystemArchitectureTeam (Síntese Nível de Sistema): Reconstrói a composição hierárquica em tempo de execução. Integra os nós extraídos com artefatos de configuração (arquivos de lançamento, manifestos) para inferir mapeamentos executável-nó, hierarquias de namespaces e limites de subsistemas.

Princípio Chave: O "blueprint" do ROS 2 (tipos de elementos conhecidos: nós, tópicos, serviços, namespaces) atua como um contrato estrutural que restringe a geração do LLM, permitindo validação determinística e reduzindo alucinações.

3. Principais Contribuições

1. Conceito de Modelagem UML para ROS 2: Uma nova abstração que trata a composição estrutural hierárquica como uma visão de arquitetura de primeira classe, independente dos artefatos de lançamento, mas derivada deles.
2. Pipeline de Recuperação Híbrida: Um sistema automatizado que une extração estática determinística (para precisão sintática) com síntese guiada por LLM (para semântica de integração complexa), tudo sob a restrição de um blueprint de domínio.
3. Validação e Métricas: Definição de métricas de precisão, recall e F1 focadas na conformidade semântica (tipos de comunicação, papéis de portas, namespaces) em vez de apenas similaridade de grafos.
4. Avaliação Empírica: Demonstração da abordagem em três repositórios ROS 2, incluindo um subconjunto de escala industrial (Autoware).

4. Resultados da Avaliação

O sistema foi testado em três estudos de caso:

• Caso I (Exemplo Sintético Controlado, sem Launch Files): O sistema atingiu 100% de precisão, recall e F1. A extração de nós atômicos baseada em código puro é altamente confiável.
• Caso II (Exemplo Sintético com Launch Files): A precisão permaneceu alta (0.88), mas o recall caiu para 0.75. Isso indica que o sistema evita gerar elementos falsos (alta precisão), mas tem dificuldade em reconstruir totalmente as relações de integração complexas (como escopos de namespaces aninhados) apenas a partir dos arquivos de lançamento.
• Caso III (Escala Industrial - Autoware): Em um código complexo com lógica funcional pesada, a precisão atômica caiu para 0.78 e o recall para 0.55. No nível de subsistema (Composed), a precisão manteve-se perfeita (1.0), mas o recall caiu drasticamente para 0.35.

Análise dos Resultados:

• Precisão Alta: A restrição do blueprint garante que os elementos gerados sejam estruturalmente válidos e conformes ao ROS 2.
• Recall Decrescente: A complexidade da lógica de implementação e a semântica implícita de integração em sistemas industriais grandes tornam difícil para o LLM inferir todas as conexões e hierarquias corretamente.
• Comparação: O desempenho supera abordagens genéricas de recuperação de modelos (que frequentemente ficam abaixo de F1=0.50), especialmente na recuperação de componentes atômicos.

5. Significado e Conclusão

O trabalho demonstra que é possível recuperar arquiteturas estruturais hierárquicas complexas de sistemas ROS 2 automatizando a extração de código e configuração, desde que se utilize uma abordagem guiada por domínio.

• Significado Prático: Oferece uma solução para o problema de "drift" de documentação, permitindo gerar modelos UML atualizados automaticamente a partir do repositório de código.
• Desafio Remanescente: A principal limitação identificada é a reconstrução da fase de integração em sistemas de grande escala, onde a semântica de como os subsistemas se conectam é frequentemente implícita e dispersa.
• Futuro: Os autores sugerem a formalização completa do perfil UML, o suporte a construtos de lançamento mais complexos e a integração em pipelines de CI/CD para detecção contínua de desvios arquiteturais.

Em resumo, a abordagem valida que LLMs, quando restringidos por contratos de domínio específicos (blueprints), são ferramentas viáveis para a engenharia de arquitetura reversa em sistemas robóticos complexos, superando as limitações de inferências genéricas.