論文の概要: Agentic Risk-Aware Set-Based Engineering Design

• arxiv url: http://arxiv.org/abs/2604.16687v1
• Date: Fri, 17 Apr 2026 20:45:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.13404
• Title: Agentic Risk-Aware Set-Based Engineering Design
• Title（参考訳）: エージェントリスク対応セットベースエンジニアリング設計
• Authors: Varun Kumar, George Em Karniadakis,
• Abstract要約: 本稿では,Large Language Models (LLM) が指導するマルチエージェントフレームワークを紹介し,工学設計の初期段階を支援する。 このフレームワークには、コーディングアシスタント、デザインエージェント、システムエンジニアリングエージェント、分析エージェントという特殊なエージェントのチームが採用されている。
• 参考スコア（独自算出の注目度）: 8.68512892112474
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper introduces a multi-agent framework guided by Large Language Models (LLMs) to assist in the early stages of engineering design, a phase often characterized by vast parameter spaces and inherent uncertainty. Operating under a human-in-the-loop paradigm and demonstrated on the canonical problem of aerodynamic airfoil design, the framework employs a team of specialized agents: a Coding Assistant, a Design Agent, a Systems Engineering Agent, and an Analyst Agent - all coordinated by a human Manager. Integrated within a set-based design philosophy, the process begins with a collaborative phase where the Manager and Coding Assistant develop a suite of validated tools, after which the agents execute a structured workflow to systematically explore and prune a large set of initial design candidates. A key contribution of this work is the explicit integration of formal risk management, employing the Conditional Value-at-Risk (CVaR) as a quantitative metric to filter designs that exhibit a high probability of failing to meet performance requirements, specifically the target coefficient of lift. The framework automates labor-intensive initial exploration through a global sensitivity analysis conducted by the Analyst agent, which generates actionable heuristics to guide the other agents. The process culminates by presenting the human Manager with a curated final set of promising design candidates, augmented with high-fidelity Computational Fluid Dynamics (CFD) simulations. This approach effectively leverages AI to handle high-volume analytical tasks, thereby enhancing the decision-making capability of the human expert in selecting the final, risk-assessed design.
• Abstract（参考訳）: 本稿では,Large Language Models (LLM) が指導するマルチエージェントフレームワークを紹介し,工学設計の初期段階を支援する。 空力翼設計の標準的な問題として、このフレームワークでは、コーディングアシスタント、デザインエージェント、システムエンジニアリングエージェント、アナリティクスエージェントといった特殊エージェントのチームが採用されている。 セットベースの設計哲学に統合されたプロセスは、マネージャとコーディングアシスタントが検証済みのツールスイートを開発する共同フェーズから始まり、その後エージェントが構造化ワークフローを実行して、多数の初期設計候補を体系的に探索し、実行します。 この研究の重要な貢献は、フォーマルなリスク管理の明示的な統合であり、条件付きバリュー・アット・リスク(CVaR)を定量的な指標として用いて、パフォーマンス要求、特にリフトの目標係数を満たさない可能性の高い設計をフィルタする。 このフレームワークは、Analystエージェントが行ったグローバルな感度分析を通じて、労働集約的な初期探索を自動化し、他のエージェントを導くために実行可能なヒューリスティックを生成する。 このプロセスは、人間のマネージャに有望な設計候補の最終的なセットを提示し、高忠実度計算流体力学(CFD)シミュレーションを付加することで達成される。 このアプローチはAIを効果的に活用して大量の分析タスクを処理し、最終的なリスク評価設計を選択する際の人間の専門家の意思決定能力を高める。

関連論文リスト

• Pitfalls in Evaluating Interpretability Agents [91.49742416116635]
  我々は,実験を反復的に設計し,仮説を洗練するエージェントシステムを構築した。 我々の研究は、複雑な自動解釈可能性システムを評価する上での根本的な課題を実証している。
  論文  参考訳（メタデータ） (2026-03-20T16:27:17Z)
• CeProAgents: A Hierarchical Agents System for Automated Chemical Process Development [73.33844908703799]
  CeProAgentsは、協調労働による化学プロセスの開発を自動化するために設計された階層型マルチエージェントシステムである。 このシステムを厳密に評価するために,ケミカルエンジニアリングの3つの柱を中心に構築された多次元ベンチマークであるCeProBenchを構築した。
  論文  参考訳（メタデータ） (2026-03-02T09:37:18Z)
• EmboCoach-Bench: Benchmarking AI Agents on Developing Embodied Robots [68.29056647487519]
  Embodied AIは、高忠実度シミュレーションと大規模データ収集によって実現されている。 しかし、このスケーリング能力は、労働集約的な手作業の監視に依存しているため、いまだにボトルネックになっている。 実装ポリシーを自律的に構築するための LLM エージェントの能力を評価するベンチマークである textscEmboCoach-Bench を紹介する。
  論文  参考訳（メタデータ） (2026-01-29T11:33:49Z)
• Beyond Task Completion: An Assessment Framework for Evaluating Agentic AI Systems [0.0]
  エージェントAIの最近の進歩は、スタンドアロンの大規模言語モデルから統合システムへと焦点を移している。 LLM、メモリ、ツール、環境を含む4つの評価柱を持つエンドツーエンドのエージェントアセスメントフレームワークを提案する。 我々はこのフレームワークを、従来のメトリクスによる振る舞いの偏りを示す、代表的なAutonomous CloudOpsユースケースで検証する。
  論文  参考訳（メタデータ） (2025-12-14T18:17:40Z)
• Agentsway -- Software Development Methodology for AI Agents-based Teams [4.226647687395254]
  Agentswayは、AIエージェントが一流の協力者として機能するエコシステム向けに設計された、新しいソフトウェア開発フレームワークである。 このフレームワークは、計画、プロンプト、コーディング、テスト、微調整エージェントの異なる役割を定義している。 Agentswayは、次世代のAIネイティブで自己改善型のソフトウェア開発方法論に向けた基本的なステップである。
  論文  参考訳（メタデータ） (2025-10-26T11:58:42Z)
• AgentCompass: Towards Reliable Evaluation of Agentic Workflows in Production [4.031479494871582]
  本稿では,エージェントパイプラインのデプロイ後監視と推論に特化して設計された,最初の評価フレームワークであるAgentを紹介する。 Agentは、主要なメトリクスに関する最先端の結果を達成すると同時に、人間のアノテーションで見逃された重要な問題を明らかにする。
  論文  参考訳（メタデータ） (2025-09-18T05:59:04Z)
• Benchmarking LLM-based Agents for Single-cell Omics Analysis [6.915378212190715]
  AIエージェントは、適応的な計画、実行可能なコード生成、トレース可能な決定、リアルタイム知識融合を可能にする、パラダイムシフトを提供する。 本稿では,シングルセルオミクス解析におけるエージェント能力の厳格な評価を行うためのベンチマーク評価システムを提案する。
  論文  参考訳（メタデータ） (2025-08-16T04:26:18Z)
• A Comprehensive Survey of Self-Evolving AI Agents: A New Paradigm Bridging Foundation Models and Lifelong Agentic Systems [53.37728204835912]
  既存のAIシステムは、デプロイ後も静的な手作業による構成に依存している。 近年,インタラクションデータと環境フィードバックに基づいてエージェントシステムを自動拡張するエージェント進化手法が研究されている。 この調査は、自己進化型AIエージェントの体系的な理解を研究者や実践者に提供することを目的としている。
  論文  参考訳（メタデータ） (2025-08-10T16:07:32Z)
• Agentic Predictor: Performance Prediction for Agentic Workflows via Multi-View Encoding [56.565200973244146]
  Agentic Predictorは、効率的なエージェントワークフロー評価のための軽量な予測器である。 Agentic Predictorはタスク成功率の近似を学ぶことで、最適なエージェントワークフロー構成の迅速かつ正確な選択を可能にする。
  論文  参考訳（メタデータ） (2025-05-26T09:46:50Z)
• 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)

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。