本研究では，開発時の想定漏れに起因する環境変化に対処可能なself-adaptive systemの実現を目的とし，生成AIと形式手法を統合したハイブリッドアプローチの基盤構築に取り組んだ．従来の安全性保証技術は開発時に想定された環境に依存しており，想定外の環境変化に対しては適応が困難である．これに対し，本年度は，実行時に環境モデルを更新し，安全性が保証された動作仕様を動的に合成する枠組みの設計を進めた． 具体的には，生成AIを用いて運用時の状況に応じた制御仕様候補を生成し，形式手法によりその安全性を検証・保証するワークフローを設計した．これにより，生成AIの柔軟な適応能力と形式手法の厳密な安全性保証能力を両立するアーキテクチャを明確化した．さらに，大規模システムへの適用に向けて，生成AIにおけるトークン数増加および形式手法における状態爆発といった計算コストの課題を分析し，仕様分割や段階的合成といった解決方針を整理した．また，本研究に関連する成果として，大規模言語モデルを活用した適応ルール生成や，離散制御器合成の効率化に関する研究成果を発表した．具体的には，人工知能学会全国大会（JSAI 2025），電子情報通信学会 知能ソフトウェア工学研究会（KBSE 2025），IEEE International Conference on Software Quality, Reliability, and Security（QRS 2025），IEEE International Conference on Autonomic Computing and Self-Organizing Systems（ACSOS 2025）などにおいて発表を行い，生成AIと制御器合成の統合に関する知見を蓄積した． 以上より，2025年度は，想定外環境への適応と安全性保証の両立に向けた設計指針および基盤技術を確立し，本研究の中核課題に対する実現可能なアプローチを提示した．

本研究では、「要求と環境の構造を考慮した分析空間構築による離散制御器合成の計算空間削減」を目的とし、離散制御器合成の効率向上に向けた手法の開発およびその応用可能性を探求した。本年度は、計算空間削減に関する理論的・実践的なアプローチを検討し、複数の国際会議および学術誌において成果を発表した。まず、離散制御器合成の計算空間を削減するため、ゲーム空間の一括構築手法を提案し、情報処理学会論文誌に掲載された。この手法は、要求仕様と環境の構造を活用し、制御器合成の探索空間を効率的に縮小するものである。また、システム・オブ・システムズにおける制御器合成の適用について検討し、ICSEのワークショップにてその実現可能性を示した。さらに、アクションの優先度を考慮した制御器合成の効率化手法や、機械学習を活用した性能予測モデルを開発し、ICCE-Asiaにて発表した。加えて、制御器合成の高度化に向け、関連技術として視覚と言語を統合したモデルの自律走行への適用評価（SEAI）、大規模言語モデルを活用した進化計算の改善（GECCO）、色覚多様性支援のためのLLMとARの統合（GCCE）といった研究にも取り組んだ。これらの研究は、要求仕様や環境特性を考慮した適応的な制御手法の発展に貢献するものである。今後は、提案手法のさらなる最適化と実環境への適用を進め、より複雑な要求・環境に対する高効率な制御器合成の実現を目指す．