大型语言模型能否帮助理解 ROS2 软件架构？
软件工程
2026-04-24 v1
摘要
背景：机器人软件开发最常用的框架是 ROS2。ROS2 架构高度复杂，包含数千个组件以去中心化方式进行通信。目标：评估大型语言模型 (LLM) 在帮助理解 ROS2 系统架构事实信息方面的作用。方法：我们进行了一次控制实验，对 9 个 LLM 施以 1230 个提示，这些提示包含关于 3 个规模递增的 ROS2 系统的结构相关问题。我们提供了一个通用算法，系统性地为 ROS2 系统生成结构相关问题。随后我们（i）根据通过运行和监控这 3 个 ROS2 系统建立的真实答案，评估 LLM 回答的准确性；（ii）定性分析 LLM 提供的解释。结果：在所有 LLM 中，几乎所有问题都得到正确回答（平均为 98.22%），gemini-2.5-pro 在所有提示和系统中均达到 100% 准确率，随后是 o3（99.77%）和 gemini-2.5-flash（99.72%），表现最差的是 gpt-4.1（95%）。其中 300 个提示被错误回答，该系统中 249 个属于最复杂的系统。LLM 解释的连贯性得分在 0.394（“服务引用”）到 0.762（“通信路径”）之间不等。各模型的平均困惑度差异显著，chatgpt-4o 取得最低分（19.6），o4-mini 取得最高分（103.6）。结论：在帮助开发者理解其系统软件架构中非平凡方面，大量语言模型具有巨大的潜力。然而，开发者应意识到 LLM 的内在局限性及其不同性能，并据此做出决策。
引用
@article{arxiv.2604.21699,
title = {Can Large Language Models Assist the Comprehension of ROS2 Software Architectures?},
author = {Laura Duits and Bouazza El Moutaouakil and Ivano Malavolta},
journal= {arXiv preprint arXiv:2604.21699},
year = {2026}
}