論文の概要: KG-MAS: Knowledge Graph-Enhanced Multi-Agent Infrastructure for coupling physical and digital robotic environments

• arxiv url: http://arxiv.org/abs/2510.10325v1
• Date: Sat, 11 Oct 2025 19:41:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:29.889938
• Title: KG-MAS: Knowledge Graph-Enhanced Multi-Agent Infrastructure for coupling physical and digital robotic environments
• Title（参考訳）: KG-MAS:物理とデジタルのロボット環境を結合する知識グラフ強化マルチエージェントインフラストラクチャ
• Authors: Walid Abdela,
• Abstract要約: 本稿では,知識グラフ強化マルチエージェントインフラストラクチャを紹介する。 KG-MASは、多種多様な物理的およびデジタルロボット環境を結合するための堅牢でスケーラブルで柔軟なソリューションを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The seamless integration of physical and digital environments in Cyber-Physical Systems(CPS), particularly within Industry 4.0, presents significant challenges stemming from system heterogeneity and complexity. Traditional approaches often rely on rigid, data-centric solutions like co-simulation frameworks or brittle point-to-point middleware bridges, which lack the semantic richness and flexibility required for intelligent, autonomous coordination. This report introduces the Knowledge Graph-Enhanced Multi-Agent Infrastructure(KG-MAS), as resolution in addressing such limitations. KG-MAS leverages a centralized Knowledge Graph (KG) as a dynamic, shared world model, providing a common semantic foundation for a Multi-Agent System(MAS). Autonomous agents, representing both physical and digital components, query this KG for decision-making and update it with real-time state information. The infrastructure features a model-driven architecture which facilitates the automatic generation of agents from semantic descriptions, thereby simplifying system extension and maintenance. By abstracting away underlying communication protocols and providing a unified, intelligent coordination mechanism, KG-MAS offers a robust, scalable, and flexible solution for coupling heterogeneous physical and digital robotic environments.
• Abstract（参考訳）: CPS(Cyber-Physical Systems)における物理環境とデジタル環境のシームレスな統合は、特にIndustrial 4.0において、システムの不均一性と複雑性に起因する重大な課題を提起している。 従来のアプローチでは、コシミュレートフレームワークや脆弱なポイントツーポイントミドルウェアブリッジといった、厳格でデータ中心のソリューションに依存しており、インテリジェントで自律的な調整に必要なセマンティックなリッチさと柔軟性が欠如しています。 本稿では,KG-MAS(Knowledge Graph-Enhanced Multi-Agent Infrastructure)を紹介する。 KG-MASは、集中型知識グラフ(KG)を動的に共有された世界モデルとして活用し、マルチエージェントシステム(MAS)の共通意味基盤を提供する。 物理的なコンポーネントとデジタルコンポーネントの両方を表す自律エージェントは、意思決定のためにこのKGをクエリして、リアルタイムな状態情報で更新する。 インフラストラクチャは、セマンティック記述からエージェントの自動生成を容易にするモデル駆動アーキテクチャを備え、システム拡張とメンテナンスを簡素化する。 基礎となる通信プロトコルを抽象化し、統一されたインテリジェントな調整メカニズムを提供することにより、KG-MASは、異種物理的およびデジタルロボット環境を結合するための堅牢でスケーラブルで柔軟なソリューションを提供する。

関連論文リスト

• Adaptive and Resource-efficient Agentic AI Systems for Mobile and Embedded Devices: A Survey [11.537225726120495]
  ファンデーションモデルは、断片化されたアーキテクチャをマルチモーダル推論とコンテキスト適応を備えたスケーラブルなバックボーンに統一することで、AIを再構築した。 FMを認知のコアとして、エージェントは自律性、一般化、自己回帰を達成するためにルールベースの振る舞いを超越する。 この調査は、適応的でリソース効率の良いエージェントAIシステムの、最初の体系的な特徴を提供する。
  論文  参考訳（メタデータ） (2025-09-30T02:37:52Z)
• Assemble Your Crew: Automatic Multi-agent Communication Topology Design via Autoregressive Graph Generation [72.44384066166147]
  大規模言語モデル(LLM)に基づくマルチエージェントシステム(MAS)は、多様な領域にわたる複雑な問題を扱うための強力なソリューションとして登場した。 既存のアプローチは、事前に定義されたエージェントセットとハードコードされた相互作用構造を持つテンプレートグラフ修正パラダイムに依存しているため、基本的に制限されている。 協調グラフをスクラッチから構築することで、このパラダイムを運用する新しい自己回帰モデルであるARG-Designerを提案する。
  論文  参考訳（メタデータ） (2025-07-24T09:17:41Z)
• Bridging Bots: from Perception to Action via Multimodal-LMs and Knowledge Graphs [1.4624458429745086]
  サービスロボットは、家庭環境における日々の生活を支援するために配備される。 現在のシステムは、特定のハードウェアとソフトウェアに結びついた、プロプライエタリでハードコードされたソリューションに依存している。 オントロジと知識グラフ(KG)は、システム間の相互運用性を実現するソリューションを提供する。
  論文  参考訳（メタデータ） (2025-07-13T12:52:00Z)
• Efficient Training of Large-Scale AI Models Through Federated Mixture-of-Experts: A System-Level Approach [52.79991638077892]
  この記事では、動的クライアント-専門家のアライメントのための堅牢な定量的戦略が欠如しているという、批判的だが未調査のコンセプトを強調します。 本稿では,動的適合度スコアリング,グローバルエキスパート負荷監視,クライアントのキャパシティ・プロファイリングを取り入れた,インテリジェントなクライアント-エキスパートアライメントのためのシステム設計を提案する。
  論文  参考訳（メタデータ） (2025-07-08T05:30:37Z)
• AI Flow: Perspectives, Scenarios, and Approaches [51.38621621775711]
  私たちは最先端のITとCTの進歩を統合するフレームワークであるAI Flowを紹介します。 まず、デバイスエッジクラウドフレームワークは、エンドデバイス、エッジサーバ、クラウドクラスタを統合する基盤として機能する。 第2に,家族モデルの概念を導入し,同列に隠れた特徴を持つ様々なサイズのモデルに言及する。 第3に、コネクティビティとインタラクションに基づくインテリジェンスの出現は、AI Flowの新たなパラダイムである。
  論文  参考訳（メタデータ） (2025-06-14T12:43:07Z)
• Creating Scalable AGI: the Open General Intelligence Framework [0.0]
  Open General Intelligence (OGI)は、Artificial General Intelligence (AGI)のマクロデザイン参照として機能する新しいシステムアーキテクチャである。 OGIは、単一のシステムとしてシームレスに動作可能な複数の特別なモジュール間で認識が実行されなければならないという前提に基づいて、インテリジェントシステムの設計にモジュラーアプローチを採用する。 OGIフレームワークは、今日のインテリジェントシステムで見られる課題を克服し、より包括的でコンテキスト対応の問題解決能力を実現することを目的としている。
  論文  参考訳（メタデータ） (2024-11-24T13:17:53Z)
• An Open-Source Knowledge Graph Ecosystem for the Life Sciences [5.665519167428707]
  PheKnowLatorは、存在論的基盤を持つ知識グラフの構築を自動化するセマンティックエコシステムである。 エコシステムには、KG構築リソース、分析ツール、ベンチマークが含まれている。 PheKnowLatorは、パフォーマンスやユーザビリティを損なうことなく、完全にカスタマイズ可能なKGを可能にする。
  論文  参考訳（メタデータ） (2023-07-11T18:55:09Z)
• Causal Semantic Communication for Digital Twins: A Generalizable Imitation Learning Approach [74.25870052841226]
  デジタルツイン(DT)は、物理世界の仮想表現と通信(例えば6G)、コンピュータ、人工知能(AI)技術を活用して、多くの接続されたインテリジェンスサービスを実現する。 無線システムは、厳密な通信制約下での情報意思決定を容易にするために意味コミュニケーション(SC)のパラダイムを利用することができる。 DTベースの無線システムでは,因果意味通信(CSC)と呼ばれる新しいフレームワークが提案されている。
  論文  参考訳（メタデータ） (2023-04-25T00:15:00Z)

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。