論文の概要: AlabOS: A Python-based Reconfigurable Workflow Management Framework for Autonomous Laboratories

• arxiv url: http://arxiv.org/abs/2405.13930v1
• Date: Wed, 22 May 2024 18:59:39 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-24 20:33:38.399237
• Title: AlabOS: A Python-based Reconfigurable Workflow Management Framework for Autonomous Laboratories
• Title（参考訳）: AlabOS: 自律的な研究所のためのPythonベースの再構成可能なワークフロー管理フレームワーク
• Authors: Yuxing Fei, Bernardus Rendy, Rishi Kumar, Olympia Dartsi, Hrushikesh P. Sahasrabuddhe, Matthew J. McDermott, Zheren Wang, Nathan J. Szymanski, Lauren N. Walters, David Milsted, Yan Zeng, Anubhav Jain, Gerbrand Ceder,
• Abstract要約: AlabOSは、実験のオーケストレーションとリソース管理のための汎用ソフトウェアフレームワークである。 我々は, AlabOS の実装を, プロトタイプの自律材料実験室で実証した。
• 参考スコア（独自算出の注目度）: 3.8330070166920556
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The recent advent of autonomous laboratories, coupled with algorithms for high-throughput screening and active learning, promises to accelerate materials discovery and innovation. As these autonomous systems grow in complexity, the demand for robust and efficient workflow management software becomes increasingly critical. In this paper, we introduce AlabOS, a general-purpose software framework for orchestrating experiments and managing resources, with an emphasis on automated laboratories for materials synthesis and characterization. We demonstrate the implementation of AlabOS in a prototype autonomous materials laboratory. AlabOS features a reconfigurable experiment workflow model, enabling the simultaneous execution of varied workflows composed of modular tasks. Therefore, AlabOS is well-suited to handle the rapidly changing experimental protocols defining the progress of self-driving laboratory development for materials research.
• Abstract（参考訳）: 近年の自律的な研究室の出現と、高スループットスクリーニングとアクティブラーニングのアルゴリズムが組み合わさって、材料発見とイノベーションの加速を約束している。 これらの自律システムは複雑さが増すにつれて、堅牢で効率的なワークフロー管理ソフトウェアへの需要がますます重要になっている。 本稿では,実験のオーケストレーションと資源管理のための汎用ソフトウェアフレームワークであるAlabOSを紹介する。 我々は, AlabOS の実装を, プロトタイプの自律材料実験室で実証した。 AlabOSは再構成可能な実験ワークフローモデルを備えており、モジュラータスクで構成されるさまざまなワークフローを同時に実行することができる。 そのため、AlabOSは、材料研究のための自動運転ラボの開発の進捗を定義する、急速に変化する実験的プロトコルを扱うのに適している。

関連論文リスト

• Vision-based robot manipulation of transparent liquid containers in a laboratory setting [3.443622476405787]
  液体体積推定のための視覚ベースシステムとシミュレーション駆動型注水法を開発した。 両コンポーネントを個別に評価し,UR5ロボットアームを用いた実世界の細胞培養の自動化を応用した。
  論文  参考訳（メタデータ） (2024-04-25T11:42:32Z)
• MLXP: A Framework for Conducting Replicable Experiments in Python [63.37350735954699]
  MLXPはPythonをベースとした,オープンソースの,シンプルで,軽量な実験管理ツールである。 実験プロセスを最小限のオーバーヘッドで合理化し、高いレベルの実践的オーバーヘッドを確保します。
  論文  参考訳（メタデータ） (2024-02-21T14:22:20Z)
• SERL: A Software Suite for Sample-Efficient Robotic Reinforcement Learning [85.21378553454672]
  筆者らは,報酬の計算と環境のリセットを行う手法とともに,効率的なオフ・ポリティクス・ディープ・RL法を含むライブラリを開発した。 我々は,PCBボードアセンブリ,ケーブルルーティング,オブジェクトの移動に関するポリシを,非常に効率的な学習を実現することができることを発見した。 これらの政策は完全な成功率またはほぼ完全な成功率、摂動下でさえ極端な堅牢性を実現し、突発的な堅牢性回復と修正行動を示す。
  論文  参考訳（メタデータ） (2024-01-29T10:01:10Z)
• Scilab-RL: A software framework for efficient reinforcement learning and cognitive modeling research [0.0]
  Scilab-RLは、ロボットエージェントの認知モデリングと強化学習を効率的に研究するためのソフトウェアフレームワークである。 これは、Stable Baselines 3とOpenAIのジムインターフェースを使った目標条件強化学習に焦点を当てている。 これらの特徴によって、研究者が最小限の時間で実験を行うことで、研究成果を最大化する方法について説明する。
  論文  参考訳（メタデータ） (2024-01-25T19:49:02Z)
• ProAgent: From Robotic Process Automation to Agentic Process Automation [87.0555252338361]
  LLM(Large Language Models)は、人間のような知性を持つ言語である。 本稿では,ALMをベースとしたエージェントを用いた高度な自動化のための基盤的自動化パラダイムであるエージェントプロセス自動化(APA)を紹介する。 そして、人間の指示を駆使し、特殊エージェントの調整によって複雑な決定を下すように設計されたエージェントであるProAgentをインスタンス化する。
  論文  参考訳（メタデータ） (2023-11-02T14:32:16Z)
• Octopus: Embodied Vision-Language Programmer from Environmental Feedback [59.772904419928054]
  大規模視覚言語モデル (VLM) はマルチモーダル認識と推論において大きな進歩を遂げた。 本稿では,エージェントの視覚とテキストタスクの目的を正確に解読する新しいVLMであるOctopusを紹介する。 我々の設計では、シミュレーターの日常的な雑用から複雑なビデオゲームの高度なインタラクションまで、エージェントは幅広いタスクを十分に扱えるようにしている。
  論文  参考訳（メタデータ） (2023-10-12T17:59:58Z)
• NIMS-OS: An automation software to implement a closed loop between artificial intelligence and robotic experiments in materials science [1.9981375888949475]
  NIMS-OSは、人間の介入なしにロボット実験と人工知能(AI)のクローズドループを実現するために開発されたPythonライブラリである。 様々な組み合わせのモジュールを使って自律的に動作している。 NIMS自動ロボット電気化学実験(NAREE)と呼ばれるシステムは、ロボット実験装置のセットとして利用可能である。
  論文  参考訳（メタデータ） (2023-04-27T02:42:52Z)
• A framework for fully autonomous design of materials via multiobjective optimization and active learning: challenges and next steps [2.6047112351202784]
  継続的に更新された機械学習モデルを用いた多目的ブラックボックス最適化に基づくアクティブな学習プロセスを提案する。 このワークフローは、リアルタイムデータストリーミングとモジュール化された多目的最適化ソフトウェア開発のためのオープンソース技術に基づいて構築されている。 本研究では, 連続流化学実験室の自律運転を通して, このワークフローの概念実証を行う。
  論文  参考訳（メタデータ） (2023-04-15T01:34:16Z)
• PlasticineLab: A Soft-Body Manipulation Benchmark with Differentiable Physics [89.81550748680245]
  PasticineLabと呼ばれる新しい微分可能な物理ベンチマークを導入する。 各タスクにおいて、エージェントはマニピュレータを使用して、プラスチックを所望の構成に変形させる。 本稿では,既存の強化学習(RL)手法と勾配に基づく手法について評価する。
  論文  参考訳（メタデータ） (2021-04-07T17:59:23Z)
• Integrated Benchmarking and Design for Reproducible and Accessible Evaluation of Robotic Agents [61.36681529571202]
  本稿では,開発とベンチマークを統合した再現性ロボット研究の新しい概念について述べる。 このセットアップの中心的なコンポーネントの1つはDuckietown Autolabであり、これは比較的低コストで再現可能な標準化されたセットアップである。 本研究では,インフラを用いて実施した実験の再現性を解析し,ロボットのハードウェアや遠隔実験室間でのばらつきが低いことを示す。
  論文  参考訳（メタデータ） (2020-09-09T15:31:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。