論文の概要: Supervising Ralph Wiggum: Exploring a Metacognitive Co-Regulation Agentic AI Loop for Engineering Design

• arxiv url: http://arxiv.org/abs/2603.24768v1
• Date: Wed, 25 Mar 2026 19:39:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:47.967616
• Title: Supervising Ralph Wiggum: Exploring a Metacognitive Co-Regulation Agentic AI Loop for Engineering Design
• Title（参考訳）: Ralph Wiggumを監督する - エンジニアリング設計のためのメタ認知的共規制エージェントAIループの探索
• Authors: Zeda Xu, Nikolas Martelaro, Christopher McComb,
• Abstract要約: 工学設計プロセスを自動化するためにLarge Language Model (LLM)エージェントを使用するエージェントAIシステムは、人間を悩ませているのと同じ病理のいくつかが原因である。 本稿では,デザインエージェントが自己制御を行い,そのメタ認知を明示的に監視する自己制御ループ(SRL)を提案する。 また,メタ認知的共規制エージェントがメタ認知においてデザインエージェントを補助する新しい協調制御設計エージェントループ (CRDAL) を提案する。
• 参考スコア（独自算出の注目度）: 9.290591938055673
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The engineering design research community has studied agentic AI systems that use Large Language Model (LLM) agents to automate the engineering design process. However, these systems are prone to some of the same pathologies that plague humans. Just as human designers, LLM design agents can fixate on existing paradigms and fail to explore alternatives when solving design challenges, potentially leading to suboptimal solutions. In this work, we propose (1) a novel Self-Regulation Loop (SRL), in which the Design Agent self-regulates and explicitly monitors its own metacognition, and (2) a novel Co-Regulation Design Agentic Loop (CRDAL), in which a Metacognitive Co-Regulation Agent assists the Design Agent in metacognition to mitigate design fixation, thereby improving system performance for engineering design tasks. In the battery pack design problem examined here, we found that the novel CRDAL system generates designs with better performance, without significantly increasing the computational cost, compared to a plain Ralph Wiggum Loop (RWL) and the metacognitively self-assessing Self-Regulation Loop (SRL). Also, we found that the CRDAL system navigated through the latent design space more effectively than both SRL and RWL. However, the SRL did not generate designs with significantly better performance than RWL, even though it explored a different region of the design space. The proposed system architectures and findings of this work provide practical implications for future development of agentic AI systems for engineering design.
• Abstract（参考訳）: エンジニアリングデザイン研究コミュニティは、Large Language Model (LLM)エージェントを使用してエンジニアリングデザインプロセスを自動化するエージェントAIシステムを研究している。 しかし、これらのシステムは、人間を悩ませているのと同じ病理のいくつかが原因である。 人間の設計者と同じように、LLM設計エージェントは既存のパラダイムを固定し、設計上の課題を解決する際に代替案を探索することができない。 本研究では,デザインエージェントが自己制御し,そのメタ認知を明示的に監視する新しい自己制御ループ (SRL) と,メタ認知的協調制御エージェントがメタ認知を補助し,設計修正を緩和し,エンジニアリング設計タスクのシステム性能を向上させる新しい協調制御設計エージェントループ (CRDAL) を提案する。 そこで, 電池パック設計問題において, 従来のRalph Wiggum Loop (RWL) やメタ認知自己評価自己制御ループ (SRL) と比較して, 計算コストを大幅に向上させることなく, 新しいCRDALシステムが優れた性能で設計を生成することがわかった。 また, CRDAL システムは SRL や RWL よりも効率的に設計空間をナビゲートできることが判明した。 しかし、SRLは設計空間の異なる領域を探索したにもかかわらず、RWLよりもはるかに優れた性能を持つ設計を生産しなかった。 提案するシステムアーキテクチャと本研究の成果は,工学設計のためのエージェントAIシステムの開発に実用的な意味を提供する。

関連論文リスト

• Multi-Agent Collaboration for Automated Design Exploration on High Performance Computing Systems [0.5573325246832598]
  MADA(Multi-Agent Design Assistant)は,複合設計のための特殊エージェントを協調するフレームワークである。 Inertial Confinement Fusionにおける重要な課題であるRMI(Richtmyer-Meshkov Instability)抑制の開発と検証に焦点をあてる。 以上の結果から,MADAシステムは繰り返し設計の改良を成功させ,RMIの最適抑制に向けた設計を自動改善することを示した。
  論文  参考訳（メタデータ） (2026-03-12T04:01:27Z)
• Advancing Automated Algorithm Design via Evolutionary Stagewise Design with LLMs [69.91297564489464]
  EvoStageは、産業規模のアルゴリズム設計の厳密な要求とLLMベースのアルゴリズム設計のギャップを埋める新しい進化パラダイムである。 EvoStageは、アルゴリズム設計プロセスを逐次的に管理可能なステージに分解し、リアルタイム中間フィードバックを反復的に洗練されたアルゴリズム設計方向に統合する。 商用グレードの3Dチップ配置ツールにデプロイすると、EvoStageはオリジナルのパフォーマンス指標を大幅に上回り、記録破りの効率を達成する。
  論文  参考訳（メタデータ） (2026-03-09T05:13:44Z)
• Barbarians at the Gate: How AI is Upending Systems Research [58.95406995634148]
  システム研究は、新しいパフォーマンス指向アルゴリズムの設計と評価に長年注力してきたが、AI駆動のソリューション発見には特に適している、と私たちは主張する。 このアプローチをAI駆動システム研究(ADRS)と呼び、ソリューションを反復的に生成し、評価し、洗練する。 我々の研究結果は、AI時代のシステム研究の実践に急激な適応の必要性と破壊的な可能性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-10-07T17:49:24Z)
• CROP: Circuit Retrieval and Optimization with Parameter Guidance using LLMs [5.611060564629618]
  本稿では,最初の大規模言語モデル(LLM)を用いた自動VLSI設計フローチューニングフレームワークであるCROPを提案する。 提案手法は,(1)RTLソースコードを高密度ベクトル表現に変換するスケーラブルな手法,(2)意味的に類似した回路と設計をマッチングする埋め込み型検索システム,(3)検索強化型LLM誘導パラメータ探索システムを含む。 実験の結果、CROPのQoR(Quality-of-Results)の能力は、工業設計における既存のアプローチよりも少ないイテレーションで達成され、消費電力は9.9%削減された。
  論文  参考訳（メタデータ） (2025-07-02T20:25:47Z)
• ECoDe: A Sample-Efficient Method for Co-Design of Robotic Agents [11.449817465618658]
  自律ロボットエージェントを共同設計するには、エージェントのコントローラと物理的設計を同時に最適化する必要がある。 デザインスペースが大きくなると、これは難しくなります。 共設計のサンプル効率を向上させるための多要素探索手法を提案する。
  論文  参考訳（メタデータ） (2023-09-08T02:54:31Z)
• 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)
• Multi-Agent Reinforcement Learning for Microprocessor Design Space Exploration [71.95914457415624]
  マイクロプロセッサアーキテクトは、高性能でエネルギー効率の追求において、ドメイン固有のカスタマイズにますます頼っている。 この問題に対処するために,Multi-Agent RL (MARL) を利用した別の定式化を提案する。 評価の結果,MARLの定式化は単エージェントRLのベースラインよりも一貫して優れていた。
  論文  参考訳（メタデータ） (2022-11-29T17:10:24Z)
• Generative Design by Reinforcement Learning: Enhancing the Diversity of Topology Optimization Designs [5.8010446129208155]
  本研究では、トポロジ設計の多様性を最大化する報酬関数を備えた強化学習に基づく生成設計プロセスを提案する。 RLをベースとした生成設計は,GPUを完全自動で活用することにより,短時間で多数の多様な設計を生成できることを示す。
  論文  参考訳（メタデータ） (2020-08-17T06:50:47Z)

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。