論文の概要: Engineering.ai: A Platform for Teams of AI Engineers in Computational Design
- arxiv url: http://arxiv.org/abs/2511.00122v1
- Date: Fri, 31 Oct 2025 08:00:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-05 16:37:26.625148
- Title: Engineering.ai: A Platform for Teams of AI Engineers in Computational Design
- Title（参考訳）: Engineering.ai: 計算設計におけるAIエンジニアチームのためのプラットフォーム
- Authors: Ran Xu, Yupeng Qi, Jingsen Feng, Xu Chu,
- Abstract要約: 計算設計におけるAIエンジニアのチームのためのプラットフォームであるEngineering.aiを紹介します。
このフレームワークは階層的なマルチエージェントアーキテクチャを採用しており、チーフエンジニアが特殊エージェントをコーディネートする。
このシステムはFreeCAD、Gmsh、OpenFOAM、CalculiX、BPM音響解析を統合し、並列多分野シミュレーションを可能にする。
- 参考スコア（独自算出の注目度）: 8.217119500224284
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In modern engineering practice, human engineers collaborate in specialized teams to design complex products, with each expert completing their respective tasks while communicating and exchanging results and data with one another. While this division of expertise is essential for managing multidisciplinary complexity, it demands substantial development time and cost. Recently, we introduced OpenFOAMGPT (1.0, 2.0), which functions as an autonomous AI engineer for computational fluid dynamics, and turbulence.ai, which can conduct end-to-end research in fluid mechanics draft publications and PhD theses. Building upon these foundations, we present Engineering.ai, a platform for teams of AI engineers in computational design. The framework employs a hierarchical multi-agent architecture where a Chief Engineer coordinates specialized agents consisting of Aerodynamics, Structural, Acoustic, and Optimization Engineers, each powered by LLM with domain-specific knowledge. Agent-agent collaboration is achieved through file-mediated communication for data provenance and reproducibility, while a comprehensive memory system maintains project context, execution history, and retrieval-augmented domain knowledge to ensure reliable decision-making across the workflow. The system integrates FreeCAD, Gmsh, OpenFOAM, CalculiX, and BPM acoustic analysis, enabling parallel multidisciplinary simulations while maintaining computational accuracy. The framework is validated through UAV wing optimization. This work demonstrates that agentic-AI-enabled AI engineers has the potential to perform complex engineering tasks autonomously. Remarkably, the automated workflow achieved a 100% success rate across over 400 parametric configurations, with zero mesh generation failures, solver convergence issues, or manual interventions required, validating that the framework is trustworthy.
- Abstract（参考訳）: 現代のエンジニアリングプラクティスでは、ヒューマンエンジニアが専門のチームと協力して複雑なプロダクトを設計し、各専門家がそれぞれのタスクを完了し、結果とデータを相互に通信し、交換する。
この専門知識の分割は、多分野の複雑さを管理するのに不可欠だが、かなりの開発時間とコストを必要とする。
近年,計算流体力学のための自律型AIエンジニアとして機能するOpenFOAMGPT (1.0, 2.0) と,流体力学のドラフト出版物やPhD論文のエンドツーエンドな研究を可能にするturbulence.aiを導入している。
これらの基盤の上に構築されたEngineering.aiは、計算設計におけるAIエンジニアのチームのためのプラットフォームである。
このフレームワークは階層的なマルチエージェントアーキテクチャを採用しており、チーフエンジニアはエアロダイナミックス、構造、音響、最適化エンジニアからなる特殊エージェントを調整し、それぞれがドメイン固有の知識を持つLLMによって駆動される。
エージェントエージェントのコラボレーションは、ファイル経由のコミュニケーションによって実現される。一方、包括的なメモリシステムは、プロジェクトコンテキスト、実行履歴、検索強化されたドメイン知識を維持し、ワークフロー全体の信頼性の高い意思決定を保証する。
このシステムはFreeCAD、Gmsh、OpenFOAM、CalculiX、BPM音響解析を統合し、計算精度を維持しながら並列多分野シミュレーションを可能にする。
この枠組みはUAVウィング最適化によって検証される。
この研究は、エージェントAI対応AIエンジニアが、複雑なエンジニアリングタスクを自律的に実行する可能性を実証している。
注目すべきは、自動化ワークフローが400以上のパラメトリック構成で100%の成功率を達成したことだ。
関連論文リスト
- Compiler.next: A Search-Based Compiler to Power the AI-Native Future of Software Engineering [3.8060608371616778]
我々はAIネイティブソフトウェアシステムのシームレスな進化を可能にするために設計された新しい検索ベースのコンパイラであるCompiler.nextを紹介する。
従来の静的コンパイラとは異なり、Compiler.nextは人間によるインテントを取り込み、最適なソリューションを探すことで動作するソフトウェアを自動的に生成する。
本稿では、高品質なプログラミング構造の開発、効率的な検索構造、コンパイラ間の相互運用性など、インテントコンパイルにおける中核的な課題に対処するためのロードマップを示す。
論文 参考訳（メタデータ） (2025-10-27T21:01:48Z) - Automating Structural Engineering Workflows with Large Language Model Agents [4.896428524844242]
$textbfMASSE$は、構造工学のための最初のマルチエージェントシステムである。
大規模言語モデル(LLM)ベースのエージェントと実世界のエンジニアリングを効果的に統合する。
論文 参考訳（メタデータ） (2025-10-13T04:38:46Z) - How Software Engineers Engage with AI: A Pragmatic Process Model and Decision Framework Grounded in Industry Observations [1.516251872371896]
GitHub CopilotとChatGPTが"バイブコーディング"を実施
本稿では2つの補完的貢献について述べる。
まず、現実世界のAI支援SEアクティビティをキャプチャする実用的なプロセスモデル。
第二に、2Dの意思決定フレームワークは、開発者が労力の節約と品質のアウトプットのトレードオフを判断するのに役立ちます。
論文 参考訳（メタデータ） (2025-07-23T21:00:21Z) - Unified Software Engineering agent as AI Software Engineer [14.733475669942276]
大規模言語モデル(LLM)技術は、自動コーディングに対する期待を高めた。
本稿では,統一ソフトウェア工学エージェントやUSEagentを開発することによって,この問題を理解することを目的とする。
私たちはUSEagentを、AIと人間の両方を含む将来のソフトウェア開発チームのチームメンバーになる、将来のAIソフトウェアエンジニアの最初のドラフトとして考えています。
論文 参考訳（メタデータ） (2025-06-17T16:19:13Z) - 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) - TheAgentCompany: Benchmarking LLM Agents on Consequential Real World Tasks [55.03911355902567]
我々は、デジタルワーカーと同じような方法で世界と対話するAIエージェントを評価するためのベンチマークであるTheAgentCompanyを紹介する。
最も競争力のあるエージェントは、タスクの30%を自律的に完了させることができる。
これは、実際の職場の設定でLMエージェントをシミュレートすることで、タスク自動化に関する微妙な絵を描く。
論文 参考訳（メタデータ） (2024-12-18T18:55:40Z) - Knowledge Graph Modeling-Driven Large Language Model Operating System (LLM OS) for Task Automation in Process Engineering Problem-Solving [0.0]
本稿では,化学・プロセス産業における複雑な問題の解決を目的としたAI駆動型フレームワークであるプロセスエンジニアリングオペレーションアシスタント(PEOA)を紹介する。
このフレームワークはメタエージェントによって構成されたモジュラーアーキテクチャを採用しており、中央コーディネータとして機能している。
その結果、計算の自動化、プロトタイピングの高速化、産業プロセスに対するAIによる意思決定支援におけるフレームワークの有効性が示された。
論文 参考訳（メタデータ） (2024-08-23T13:52:47Z) - Spider2-V: How Far Are Multimodal Agents From Automating Data Science and Engineering Workflows? [73.81908518992161]
我々は、プロのデータサイエンスとエンジニアリングに焦点を当てた最初のマルチモーダルエージェントベンチマークであるSpider2-Vを紹介する。
Spider2-Vは、本物のコンピュータ環境における現実世界のタスクを特徴とし、20のエンタープライズレベルのプロフェッショナルアプリケーションを組み込んでいる。
これらのタスクは、エンタープライズデータソフトウェアシステムにおいて、コードを書き、GUIを管理することで、マルチモーダルエージェントがデータ関連のタスクを実行する能力を評価する。
論文 参考訳（メタデータ） (2024-07-15T17:54:37Z) - SWE-agent: Agent-Computer Interfaces Enable Automated Software Engineering [79.07755560048388]
SWEエージェント(SWE-agent)は、LMエージェントが自律的にコンピュータを使用してソフトウェア工学のタスクを解決するシステムである。
SWEエージェントのカスタムエージェントコンピュータインタフェース(ACI)は、エージェントがコードファイルを作成し編集し、リポジトリ全体をナビゲートし、テストやその他のプログラムを実行する能力を著しく向上させる。
我々はSWE-benchとHumanEvalFixのSWE-agentを評価し、それぞれ12.5%と87.7%のパス@1レートで最先端の性能を実現した。
論文 参考訳（メタデータ） (2024-05-06T17:41:33Z) - OpenAGI: When LLM Meets Domain Experts [51.86179657467822]
ヒューマン・インテリジェンス(HI)は、複雑なタスクを解くための基本的なスキルの組み合わせに長けている。
この機能は人工知能(AI)にとって不可欠であり、包括的なAIエージェントに組み込まれるべきである。
マルチステップで現実的なタスクを解決するために設計されたオープンソースのプラットフォームであるOpenAGIを紹介します。
論文 参考訳（メタデータ） (2023-04-10T03:55:35Z) - Automated Machine Learning: A Case Study on Non-Intrusive Appliance Load Monitoring [81.06807079998117]
非侵入的機器負荷モニタリング(NIALM)のための自動機械学習(AutoML)を実現する新しい手法を提案する。
NIALMは、電子機器や家電のエネルギー消費を測定するためのスマートメーターに代わる費用対効果を提供する。
論文 参考訳（メタデータ） (2022-03-06T10:12:56Z)
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。