論文の概要: Develop AI Agents for System Engineering in Factorio
- arxiv url: http://arxiv.org/abs/2502.01492v1
- Date: Mon, 03 Feb 2025 16:26:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-05 15:21:55.151028
- Title: Develop AI Agents for System Engineering in Factorio
- Title(参考訳): ファクトリにおけるシステムエンジニアリングのためのAIエージェントの開発
- Authors: Neel Kant,
- Abstract要約: 本稿では,自動サンドボックスゲームによるAIエージェントのシステムエンジニアリング能力の育成と評価を提唱する。
この方向に研究努力を向けることで、明日最も要求されるエンジニアリングプロジェクトの設計、保守、最適化に必要な特別な推論と長期計画を備えたAIエージェントを装備できる。
- 参考スコア(独自算出の注目度): 1.5824959429406713
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Continuing advances in frontier model research are paving the way for widespread deployment of AI agents. Meanwhile, global interest in building large, complex systems in software, manufacturing, energy and logistics has never been greater. Although AI driven system engineering holds tremendous promise, the static benchmarks dominating agent evaluations today fail to capture the crucial skills required for implementing dynamic systems, such as managing uncertain trade-offs and ensuring proactive adaptability. This position paper advocates for training and evaluating AI agents' system engineering abilities through automation-oriented sandbox games-particularly Factorio. By directing research efforts in this direction, we can equip AI agents with the specialized reasoning and long-horizon planning necessary to design, maintain, and optimize tomorrow's most demanding engineering projects.
- Abstract(参考訳): フロンティアモデル研究における継続的な進歩は、AIエージェントの広範な展開への道を開いた。
一方、ソフトウェア、製造、エネルギー、物流における大規模で複雑なシステムの構築に対する世界的な関心は、かつてないほど大きくなっていた。
AI駆動のシステムエンジニアリングは大きな可能性を秘めているが、今日のエージェント評価を支配する静的ベンチマークは、不確実なトレードオフの管理や積極的な適応性の確保など、動的システムを実装する上で必要な重要なスキルを捉えていない。
本稿では,AIエージェントのシステムエンジニアリング能力のトレーニングと評価を,自動化指向のサンドボックスゲーム(特にファクトリオ)を通じて行う。
この方向に研究努力を向けることで、明日最も要求されるエンジニアリングプロジェクトの設計、保守、最適化に必要な特別な推論と長期計画を備えたAIエージェントを装備できる。
関連論文リスト
- An LLM-enabled Multi-Agent Autonomous Mechatronics Design Framework [49.633199780510864]
本研究は, 機械設計, 最適化, エレクトロニクス, ソフトウェア工学の専門知識を統合した多エージェント自律メカトロニクス設計フレームワークを提案する。
このフレームワークは、言語駆動のワークフローを通じて運用され、構造化された人間のフィードバックを組み込んで、現実世界の制約下での堅牢なパフォーマンスを保証する。
完全に機能する自律型容器は、最適化された推進、コスト効率の高い電子機器、高度な制御を備えていた。
論文 参考訳(メタデータ) (2025-04-20T16:57:45Z) - Towards practicable Machine Learning development using AI Engineering Blueprints [0.8654896256058138]
中小規模企業(中小企業)は、製品やプロセスにAIを実装する際に課題に直面します。
本稿では,プロプライエタリ機械学習(ML)モデル作成のための青写真の開発を目的とした研究計画を提案する。
論文 参考訳(メタデータ) (2025-04-08T19:28:05Z) - Challenges and Paths Towards AI for Software Engineering [55.95365538122656]
ソフトウェア工学におけるAIの進歩を3倍に議論する。
まず、ソフトウェア工学のためのAIにおいて、具体的なタスクを構造化した分類法を提供する。
次に、現在のアプローチを制限するいくつかの重要なボトルネックを概説する。
論文 参考訳(メタデータ) (2025-03-28T17:17:57Z) - Speeding up design and making to reduce time-to-project and time-to-market: an AI-Enhanced approach in engineering education [0.0]
本稿では、組み込みシステムのためのソフトウェアアーキテクチャコースにおいて、ChatGPTやGitHub CopilotといったAIツールの統合について検討する。
その結果、AIが強化されるが、人間の意思決定に取って代わるものではないため、問題解決、より高速な開発、より高度な成果が実証された。
論文 参考訳(メタデータ) (2025-03-20T16:32:13Z) - Engineering Trustworthy AI: A Developer Guide for Empirical Risk Minimization [53.80919781981027]
信頼できるAIのための重要な要件は、経験的リスク最小化のコンポーネントの設計選択に変換できる。
私たちは、AIの信頼性の新たな標準を満たすAIシステムを構築するための実用的なガイダンスを提供したいと思っています。
論文 参考訳(メタデータ) (2024-10-25T07:53:32Z) - Generative AI Agents in Autonomous Machines: A Safety Perspective [9.02400798202199]
生成AIエージェントは、非並列機能を提供するが、ユニークな安全性上の懸念もある。
本研究では、生成モデルが物理自律機械にエージェントとして統合される際の安全要件の進化について検討する。
我々は、自律機械で生成AI技術を使用するための総合的な安全スコアカードの開発と実装を推奨する。
論文 参考訳(メタデータ) (2024-10-20T20:07:08Z) - Generative AI Application for Building Industry [10.154329382433213]
本稿では,建築産業における生成型AI技術,特に大規模言語モデル(LLM)の変容の可能性について検討する。
この研究は、LLMがいかに労働集約的なプロセスを自動化し、建築プラクティスの効率、正確性、安全性を大幅に改善できるかを強調している。
論文 参考訳(メタデータ) (2024-10-01T21:59:08Z) - Building AI Agents for Autonomous Clouds: Challenges and Design Principles [17.03870042416836]
AI for IT Operations(AIOps)は、障害のローカライゼーションや根本原因分析といった複雑な運用タスクを自動化することを目的としている。
このビジョンペーパーは、まず要求をフレーミングし、次に設計決定について議論することで、そのようなフレームワークの基礎を定めています。
アプリケーションをオーケストレーションし,カオスエンジニアリングを使用してリアルタイム障害を注入するエージェント-クラウドインターフェースを活用したプロトタイプ実装であるAIOpsLabと,障害のローカライズと解決を行うエージェントとのインターフェースを提案する。
論文 参考訳(メタデータ) (2024-07-16T20:40:43Z) - 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) - The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる
まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。
単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
論文 参考訳(メタデータ) (2023-09-14T17:12:03Z) - AI Maintenance: A Robustness Perspective [91.28724422822003]
我々は、AIライフサイクルにおけるロバストネスの課題を強調し、自動車のメンテナンスに類似させることで、AIのメンテナンスを動機付ける。
本稿では,ロバストネスリスクの検出と軽減を目的としたAIモデル検査フレームワークを提案する。
我々のAIメンテナンスの提案は、AIライフサイクル全体を通して堅牢性評価、状態追跡、リスクスキャン、モデル硬化、規制を促進する。
論文 参考訳(メタデータ) (2023-01-08T15:02:38Z) - Developing an AI-enabled IIoT platform -- Lessons learned from early use
case validation [47.37985501848305]
本稿では,このプラットフォームの設計について紹介し,AIによる視覚的品質検査の実証者の観点からの早期評価について述べる。
これは、この初期の評価活動で学んだ洞察と教訓によって補完される。
論文 参考訳(メタデータ) (2022-07-10T18:51:12Z) - Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。
特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
論文 参考訳(メタデータ) (2022-03-06T10:12:56Z) - Proceedings of the Robust Artificial Intelligence System Assurance
(RAISA) Workshop 2022 [0.0]
RAISAワークショップは、堅牢な人工知能(AI)と機械学習(ML)システムの研究、開発、応用に焦点を当てる。
特定のMLアルゴリズムに関してロバストネスを研究するのではなく、システムアーキテクチャのレベルでロバストネスの保証を検討することを目的としています。
論文 参考訳(メタデータ) (2022-02-10T01:15:50Z)
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。