論文の概要: AGENT: An Aerial Vehicle Generation and Design Tool Using Large Language Models

• arxiv url: http://arxiv.org/abs/2504.08981v1
• Date: Fri, 11 Apr 2025 21:13:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-15 16:54:33.100443
• Title: AGENT: An Aerial Vehicle Generation and Design Tool Using Large Language Models
• Title（参考訳）: エージェント:大規模言語モデルを用いた航空車両生成・設計ツール
• Authors: Colin Samplawski, Adam D. Cobb, Susmit Jha,
• Abstract要約: エージェントは、テキストファイルから直接航空機の設計の強力な表現を学ぶ。 エージェントは、AircraftVerseデータセットの基盤となる物理シミュレーションの代理モデルとして機能する設計の評価を発行することができる。
• 参考スコア（独自算出の注目度）: 13.674483311866183
• License:
• Abstract: Computer-aided design (CAD) is a promising application area for emerging artificial intelligence methods. Traditional workflows for cyberphysical systems create detailed digital models which can be evaluated by physics simulators in order to narrow the search space before creating physical prototypes. A major bottleneck of this approach is that the simulators are often computationally expensive and slow. Recent advancements in AI methods offer the possibility to accelerate these pipelines. We use the recently released AircraftVerse dataset, which is especially suited for developing and evaluating large language models for designs. AircraftVerse contains a diverse set of UAV designs represented via textual design trees together with detailed physics simulation results. Following the recent success of large language models (LLMs), we propose AGENT (Aircraft GENeraTor). AGENT is a comprehensive design tool built on the CodeT5+ LLM which learns powerful representations of aircraft textual designs directly from JSON files. We develop a curriculum of training tasks which imbues a single model with a suite of useful features. AGENT is able to generate designs conditioned on properties of flight dynamics (hover time, maximum speed, etc.). Additionally, AGENT can issue evaluations of designs allowing it to act as a surrogate model of the physics simulation that underlies the AircraftVerse dataset. We present a series of experiments which demonstrate our system's abilities. We are able to achieve strong performance using the smallest member of the CodeT5+ family (220M parameters). This allows for a flexible and powerful system which can be executed on a single GPU enabling a clear path toward future deployment.
• Abstract（参考訳）: CAD(Computer-Aided Design)は,人工知能の先進的手法の応用分野として期待されている。 従来のサイバー物理システムのワークフローは、物理シミュレーションによって評価できる詳細なデジタルモデルを作成し、物理プロトタイプを作成する前に検索スペースを狭める。 このアプローチの大きなボトルネックは、シミュレータが計算コストが高く、遅いことである。 AI手法の最近の進歩は、これらのパイプラインを加速する可能性がある。 我々は最近リリースされたAtlassianVerseデータセットを使用し、デザインのための大規模な言語モデルの開発と評価に特に適しています。 AircraftVerseには、詳細な物理シミュレーション結果とともに、テキストデザインツリーで表されるUAV設計の多様なセットが含まれている。 近年の大規模言語モデル (LLMs) の成功に続き, エージェント (Aircraft GENeraTor) を提案する。 AgentはCodeT5+ LLM上に構築された包括的なデザインツールで、JSONファイルから直接航空機のテキストデザインの強力な表現を学ぶ。 我々は,1つのモデルに有用な機能群を付加したトレーニングタスクのカリキュラムを開発する。 エージェントは、飛行力学(ホバー時間、最大速度など)の特性に則った設計を生成することができる。 さらに、エージェントは、AircraftVerseデータセットの基盤となる物理シミュレーションの代理モデルとして機能するデザインの評価を発行することができる。 システムの性能を実証する一連の実験を提示する。 CodeT5+ ファミリー (220M パラメータ) の最小のメンバを使って、強いパフォーマンスを実現できます。 これにより、フレキシブルで強力なシステムが単一のGPU上で実行でき、将来のデプロイメントへの明確なパスが可能になる。

関連論文リスト

• Open-Source High-Speed Flight Surrogate Modeling Framework [0.0]
  高速飛行車は音速よりもはるかに速く走行し、国防と宇宙探査に不可欠である。 様々な飛行条件下での行動の正確な予測は困難であり、しばしば高価である。 提案されたアプローチでは、より賢く、より効率的な機械学習モデルを作成する。
  論文  参考訳（メタデータ） (2024-11-06T01:34:06Z)
• Exploring the design space of deep-learning-based weather forecasting systems [56.129148006412855]
  本稿では,異なる設計選択がディープラーニングに基づく天気予報システムに与える影響を系統的に分析する。 UNet、完全畳み込みアーキテクチャ、トランスフォーマーベースモデルなどの固定グリッドアーキテクチャについて検討する。 固定グリッドモデルの強靭な性能とグリッド不変アーキテクチャの柔軟性を組み合わせたハイブリッドシステムを提案する。
  論文  参考訳（メタデータ） (2024-10-09T22:25:50Z)
• Gaussian Splatting to Real World Flight Navigation Transfer with Liquid Networks [93.38375271826202]
  本研究では,シミュレート・トゥ・リアルな視覚四重項ナビゲーションタスクにおける分布シフトに対する一般化とロバスト性を改善する手法を提案する。 まず,擬似飛行力学とガウススプラッティングを統合してシミュレータを構築し,その後,液状ニューラルネットワークを用いてロバストなナビゲーションポリシーを訓練する。 このようにして、我々は3次元ガウススプラッティングラディアンス場レンダリング、専門家による実演訓練データのプログラミング、およびLiquid Networkのタスク理解能力の進歩を組み合わせたフルスタックの模倣学習プロトコルを得る。
  論文  参考訳（メタデータ） (2024-06-21T13:48:37Z)
• DrivAerNet++: A Large-Scale Multimodal Car Dataset with Computational Fluid Dynamics Simulations and Deep Learning Benchmarks [25.00264553520033]
  DrivAerNet++は、高忠実度計算流体力学(CFD)シミュレーションをモデルとした8000の多種多様な自動車設計で構成されている。 データセットには、ファストバック、ノッチバック、エステートバックといった多様な車種が含まれており、内燃機関と電気自動車の両方を表す車体と車輪のデザインが異なる。 このデータセットは、データ駆動設計最適化、生成モデリング、代理モデルトレーニング、CFDシミュレーションアクセラレーション、幾何学的分類を含む幅広い機械学習アプリケーションをサポートしている。
  論文  参考訳（メタデータ） (2024-06-13T23:19:48Z)
• Compositional Generative Inverse Design [69.22782875567547]
  入力変数を設計して目的関数を最適化する逆設計は重要な問題である。 拡散モデルにより得られた学習エネルギー関数を最適化することにより、そのような逆例を避けることができることを示す。 N-body 相互作用タスクと2次元多面体設計タスクにおいて,実験時に学習した拡散モデルを構成することにより,初期状態と境界形状を設計できることを示す。
  論文  参考訳（メタデータ） (2024-01-24T01:33:39Z)
• An Integrated Imitation and Reinforcement Learning Methodology for Robust Agile Aircraft Control with Limited Pilot Demonstration Data [3.3748750222488657]
  本稿では,アジャイル航空機のデータ駆動操作生成モデルの構築手法を提案する。 提案手法は, 模倣学習, 伝達学習, 強化学習の技法を組み合わせて, この目的を達成する。
  論文  参考訳（メタデータ） (2023-12-27T14:26:34Z)
• Waymax: An Accelerated, Data-Driven Simulator for Large-Scale Autonomous Driving Research [76.93956925360638]
  Waymaxは、マルチエージェントシーンにおける自動運転のための新しいデータ駆動シミュレータである。 TPU/GPUなどのハードウェアアクセラレータで完全に動作し、トレーニング用のグラフ内シミュレーションをサポートする。 我々は、一般的な模倣と強化学習アルゴリズムのスイートをベンチマークし、異なる設計決定に関するアブレーション研究を行った。
  論文  参考訳（メタデータ） (2023-10-12T20:49:15Z)
• AircraftVerse: A Large-Scale Multimodal Dataset of Aerial Vehicle Designs [15.169540193173923]
  AircraftVerseには27,714種類の航空車両がある。 それぞれのデザインは、トポロジー推進サブシステム、バッテリーサブシステム、設計の詳細を記述する象徴的なデザインツリーで構成されている。 本稿では,設計性能の指標を予測するために,設計表現の異なるモダリティを用いたベースラインサロゲートモデルを提案する。
  論文  参考訳（メタデータ） (2023-06-08T21:07:15Z)
• Design of Unmanned Air Vehicles Using Transformer Surrogate Models [8.914156789222266]
  我々は,無人航空機(UAV)の設計を合成するAIデザイナを開発した。 提案手法では,高額なフライトダイナミックスモデルやCADツールを動作させることなく,新規なドメイン固有符号化を用いた深部変圧器モデルを用いて,提案手法の性能評価を行う。
  論文  参考訳（メタデータ） (2022-11-11T21:22:21Z)
• DiffSkill: Skill Abstraction from Differentiable Physics for Deformable Object Manipulations with Tools [96.38972082580294]
  DiffSkillは、変形可能なオブジェクト操作タスクを解決するために、スキル抽象化に微分可能な物理シミュレータを使用する新しいフレームワークである。 特に、勾配に基づくシミュレーターから個々のツールを用いて、まず短距離のスキルを得る。 次に、RGBD画像を入力として取り込む実演軌跡から、ニューラルネットワークの抽象体を学習する。
  論文  参考訳（メタデータ） (2022-03-31T17:59:38Z)
• SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
  本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。 しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
  論文  参考訳（メタデータ） (2021-12-22T14:45:37Z)

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。