論文の概要: Towards Agent-based Test Support Systems: An Unsupervised Environment Design Approach

• arxiv url: http://arxiv.org/abs/2508.14135v1
• Date: Tue, 19 Aug 2025 12:43:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-21 16:52:41.2181
• Title: Towards Agent-based Test Support Systems: An Unsupervised Environment Design Approach
• Title（参考訳）: エージェントベーステスト支援システムを目指して:教師なし環境設計アプローチ
• Authors: Collins O. Ogbodo, Timothy J. Rogers, Mattia Dal Borgo, David J. Wagg,
• Abstract要約: 本研究では,動的に変化するモードテスト環境における適応型センサ配置のためのエージェントベースの意思決定支援フレームワークを提案する。 このフレームワークは、部分的に観測可能なマルコフ決定プロセスを用いて問題を定式化し、一般の強化学習エージェントの訓練を可能にする。 鋼のカンチレバー構造に関する詳細なケーススタディでは, 周波数セグメント間のセンサ位置の最適化において, 提案手法の有効性が示された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modal testing plays a critical role in structural analysis by providing essential insights into dynamic behaviour across a wide range of engineering industries. In practice, designing an effective modal test campaign involves complex experimental planning, comprising a series of interdependent decisions that significantly influence the final test outcome. Traditional approaches to test design are typically static-focusing only on global tests without accounting for evolving test campaign parameters or the impact of such changes on previously established decisions, such as sensor configurations, which have been found to significantly influence test outcomes. These rigid methodologies often compromise test accuracy and adaptability. To address these limitations, this study introduces an agent-based decision support framework for adaptive sensor placement across dynamically changing modal test environments. The framework formulates the problem using an underspecified partially observable Markov decision process, enabling the training of a generalist reinforcement learning agent through a dual-curriculum learning strategy. A detailed case study on a steel cantilever structure demonstrates the efficacy of the proposed method in optimising sensor locations across frequency segments, validating its robustness and real-world applicability in experimental settings.
• Abstract（参考訳）: モーダルテストは、幅広いエンジニアリング産業にまたがる動的な振る舞いに関する重要な洞察を提供することによって、構造解析において重要な役割を担っている。 実際には、効果的なモーダルテストのキャンペーンを設計するには、最終的なテスト結果に大きな影響を及ぼす一連の相互依存的な決定を含む、複雑な実験的な計画が必要である。 従来のテスト設計のアプローチは、テストキャンペーンパラメータの進化や、テスト結果に大きく影響することが判明したセンサ構成など、以前に確立された決定に対する変更の影響を考慮せずに、グローバルテストにのみ静的に焦点をあてることが一般的である。 これらの厳密な手法は、しばしばテストの正確さと適応性を損なう。 これらの制約に対処するために、動的に変化するモードテスト環境にまたがる適応型センサ配置のためのエージェントベースの意思決定支援フレームワークを提案する。 この枠組みは、特定されていない部分観測可能なマルコフ決定プロセスを用いて問題を定式化し、二重カリキュラム学習戦略による一般強化学習エージェントの訓練を可能にする。 鋼のカンチレバー構造に関する詳細なケーススタディでは, 周波数セグメント間のセンサ位置を最適化し, その堅牢性と実世界への適用性を検証した。

関連論文リスト

• Stochastic Encodings for Active Feature Acquisition [100.47043816019888]
  Active Feature Acquisitionは、インスタンスワイドでシーケンシャルな意思決定問題である。 目的は、テストインスタンスごとに独立して、現在の観測に基づいて計測する機能を動的に選択することである。 一般的なアプローチは強化学習(Reinforcement Learning)であり、トレーニングの困難を経験する。 我々は、教師付きで訓練された潜在変数モデルを導入し、潜在空間における観測不能な実現の可能性の多くにまたがる特徴を推論することで獲得する。
  論文  参考訳（メタデータ） (2025-08-03T23:48:46Z)
• Feature-Based vs. GAN-Based Learning from Demonstrations: When and Why [50.191655141020505]
  この調査は、デモから学ぶ機能ベースのアプローチとGANベースのアプローチの比較分析を提供する。 特徴に基づく手法とGANに基づく手法の2分法はますます曖昧になっていると我々は主張する。
  論文  参考訳（メタデータ） (2025-07-08T11:45:51Z)
• Regression Testing Optimization for ROS-based Autonomous Systems: A Comprehensive Review of Techniques [6.978850097048969]
  ROSASに適した回帰テスト最適化手法を体系的にレビューする最初の総合的な調査を行う。 我々は122の代表的な研究を回帰テストケースの優先順位付け、最小化、選択方法に分類した。 ROSASの回帰テストに特有の大きな課題として,頻繁なシステム修正に対応するテストを効果的に優先順位付けすること,冗長テストを効率的に最小化すること,影響のあるテストケースを正確に選択することの難しさを挙げる。
  論文  参考訳（メタデータ） (2025-06-19T07:43:36Z)
• Beyond Black-Box Benchmarking: Observability, Analytics, and Optimization of Agentic Systems [1.415098516077151]
  エージェントがさまざまなタスクを実行するために協力するエージェントAIシステムの台頭は、その振る舞いを観察し、分析し、最適化する上で、新たな課題を提起する。 従来の評価とベンチマークのアプローチは、これらのシステムの非決定論的、文脈に敏感で動的な性質を扱うのに苦労する。 本稿では,エージェントシステムを開発,テスト,保守にまたがって分析・最適化する上で重要な課題と機会について考察する。
  論文  参考訳（メタデータ） (2025-03-09T20:02:04Z)
• AExGym: Benchmarks and Environments for Adaptive Experimentation [7.948144726705323]
  実世界のデータセットに基づく適応実験のためのベンチマークを提案する。 非定常性、バッチ/遅延フィードバック、複数の成果と目標、外部の妥当性。
  論文  参考訳（メタデータ） (2024-08-08T15:32:12Z)
• Position: AI Evaluation Should Learn from How We Test Humans [65.36614996495983]
  人間の評価のための20世紀起源の理論である心理測定は、今日のAI評価における課題に対する強力な解決策になり得る、と我々は主張する。
  論文  参考訳（メタデータ） (2023-06-18T09:54:33Z)
• Adaptive Experimental Design and Counterfactual Inference [20.666734673282495]
  本稿では, 適応型実験システムを用いた産業環境におけるナレーションの課題と落とし穴について, 教訓を共有した。 我々は,これらの経験に基づいて,対実的推論のための適応型実験設計フレームワークを開発した。
  論文  参考訳（メタデータ） (2022-10-25T22:29:16Z)
• Test and Evaluation Framework for Multi-Agent Systems of Autonomous Intelligent Agents [0.0]
  人工知能を組み込んだサイバー物理システムの複雑なアンサンブルのための統一的なテストと評価フレームワークを開発することの課題について考察する。 本稿では,開発ライフサイクルだけでなく,システムが学習し,適応するにつれて,テストと評価を実施できるフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-01-25T21:42:27Z)

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。