論文の概要: Toward Autonomous Engineering Design: A Knowledge-Guided Multi-Agent Framework
- arxiv url: http://arxiv.org/abs/2511.03179v1
- Date: Wed, 05 Nov 2025 04:55:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-06 18:19:32.327538
- Title: Toward Autonomous Engineering Design: A Knowledge-Guided Multi-Agent Framework
- Title（参考訳）: 自律エンジニアリング設計に向けて - 知識誘導型マルチエージェントフレームワーク
- Authors: Varun Kumar, George Em Karniadakis,
- Abstract要約: このフレームワークは、設計候補の生成と洗練を共同で行う、知識駆動の専門エージェントを導入している。
このフレームワークは、Graph Ontologist、Design Engineer、System Engineerの3つの主要なAIエージェントで構成されている。
全体として、この研究は、構造化知識表現を備えた協調AIエージェントが、エンジニアリング設計プロセスにおける効率、一貫性、品質を高める方法を示している。
- 参考スコア（独自算出の注目度）: 8.68512892112474
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The engineering design process often demands expertise from multiple domains, leading to complex collaborations and iterative refinements. Traditional methods can be resource-intensive and prone to inefficiencies. To address this, we formalize the engineering design process through a multi-agent AI framework that integrates structured design and review loops. The framework introduces specialized knowledge-driven agents that collaborate to generate and refine design candidates. As an exemplar, we demonstrate its application to the aerodynamic optimization of 4-digit NACA airfoils. The framework consists of three key AI agents: a Graph Ontologist, a Design Engineer, and a Systems Engineer. The Graph Ontologist employs a Large Language Model (LLM) to construct two domain-specific knowledge graphs from airfoil design literature. The Systems Engineer, informed by a human manager, formulates technical requirements that guide design generation and evaluation. The Design Engineer leverages the design knowledge graph and computational tools to propose candidate airfoils meeting these requirements. The Systems Engineer reviews and provides feedback both qualitative and quantitative using its own knowledge graph, forming an iterative feedback loop until a design is validated by the manager. The final design is then optimized to maximize performance metrics such as the lift-to-drag ratio. Overall, this work demonstrates how collaborative AI agents equipped with structured knowledge representations can enhance efficiency, consistency, and quality in the engineering design process.
- Abstract（参考訳）: エンジニアリング設計プロセスは、しばしば複数のドメインからの専門知識を必要とし、複雑なコラボレーションと反復的な改善につながります。
従来の手法は資源集約的であり、非効率である。
これを解決するために,構造化設計とレビューループを統合したマルチエージェントAIフレームワークを用いて,エンジニアリング設計プロセスの形式化を行う。
このフレームワークは、設計候補の生成と洗練を共同で行う、知識駆動の専門エージェントを導入している。
例として,4桁NACA翼の空力最適化への応用を実証する。
このフレームワークは、Graph Ontologist、Design Engineer、System Engineerの3つの主要なAIエージェントで構成されている。
グラフオントロジーはLarge Language Model (LLM)を使用して、翼の設計文献から2つのドメイン固有の知識グラフを構築している。
システムエンジニアは、ヒューマンマネージャに通知され、設計生成と評価をガイドする技術的要件を定式化します。
設計技術者は設計知識グラフと計算ツールを活用し、これらの要件を満たす候補翼を提案する。
システムエンジニアは、自身の知識グラフを使用して質的かつ定量的なフィードバックをレビューし、マネージャが設計を検証するまで反復的なフィードバックループを形成する。
最終的な設計は、リフト・ツー・ドラッグ比などのパフォーマンス指標を最大化するために最適化される。
全体として、この研究は、構造化知識表現を備えた協調AIエージェントが、エンジニアリング設計プロセスにおける効率、一貫性、品質を高める方法を示している。
関連論文リスト
- Engineering.ai: A Platform for Teams of AI Engineers in Computational Design [8.217119500224284]
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。
論文 参考訳（メタデータ） (2025-10-31T08:00:48Z) - 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) - AI Agents in Engineering Design: A Multi-Agent Framework for Aesthetic and Aerodynamic Car Design [24.258618104493532]
本稿では,工学的応用,特に自動車設計プロセスに焦点をあてた「設計エージェント」の概念を紹介する。
私たちのフレームワークは、AI駆動設計エージェントを従来のエンジニアリングワークフローに統合し、創造性を高め、効率を高め、全体的な設計サイクルを大幅に加速します。
論文 参考訳（メタデータ） (2025-03-30T04:57:17Z) - Semi-Automated Design of Data-Intensive Architectures [49.1574468325115]
本稿では,データ集約型アーキテクチャの開発手法を紹介する。
i) 特定のアプリケーションシナリオに適したアーキテクチャを設計し、(ii) アプリケーションを実装するための具体的なシステムの適切なセットを選択することをアーキテクトに案内します。
私たちが採用している記述言語は、研究者や実践者が提案するデータ集約アーキテクチャの重要な側面を捉えることができる。
論文 参考訳（メタデータ） (2025-03-21T16:01:11Z) - From Idea to CAD: A Language Model-Driven Multi-Agent System for Collaborative Design [0.06749750044497731]
本稿では,このチーム構造を視覚言語モデル(VLM)に基づくマルチエージェントシステムで再現する手法を提案する。
モデルはスケッチやテキスト記述から自動的に生成される。
得られたモデルは、ユーザとの反復的検証ループで協調的に洗練することができる。
論文 参考訳（メタデータ） (2025-03-06T13:21:27Z) - 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) - Prototyping with Prompts: Emerging Approaches and Challenges in Generative AI Design for Collaborative Software Teams [2.237039275844699]
生成型AIモデルは、人間のタスクに統合され、表現力のあるコンテンツの制作が可能になっている。
従来のヒューマンAI設計手法とは異なり、生成能力を設計するための新しいアプローチは、迅速なエンジニアリング戦略に重点を置いている。
我々の発見は、マルチステークホルダーチーム間のAIシステムのプロトタイピングにおける新たなプラクティスと役割シフトを浮き彫りにしている。
論文 参考訳（メタデータ） (2024-02-27T17:56:10Z) - 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) - Design Space Exploration and Explanation via Conditional Variational
Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。
CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
論文 参考訳（メタデータ） (2022-11-29T17:28:31Z) - Investigating Positive and Negative Qualities of Human-in-the-Loop
Optimization for Designing Interaction Techniques [55.492211642128446]
設計者は、与えられた目的の集合を最大化する設計パラメータの組み合わせを見つけるよう求められる設計最適化タスクに苦労すると言われている。
モデルベースの計算設計アルゴリズムは、設計中に設計例を生成することでデザイナを支援する。
一方、補助のためのブラックボックスメソッドは、あらゆる設計問題に対処できる。
論文 参考訳（メタデータ） (2022-04-15T20:40:43Z)
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。