論文の概要: 2026 Roadmap on Artificial Intelligence and Machine Learning for Smart Manufacturing

• arxiv url: http://arxiv.org/abs/2605.00839v1
• Date: Sun, 05 Apr 2026 17:34:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 06:56:26.445748
• Title: 2026 Roadmap on Artificial Intelligence and Machine Learning for Smart Manufacturing
• Title（参考訳）: 2026 スマートマニュファクチャリングのための人工知能と機械学習のロードマップ
• Authors: Jay Lee, Hanqi Su, Marco Macchi, Adalberto Polenghi, Wei Wu, Zhiheng Zhao, George Q. Huang, Kiva Allgood, Devendra Jain, Benedikt Gieger, Vibhor Pandhare, Soumyabrata Bhattacharjee, Ram Mohril, Lingbao Kong, Qiyuan Wang, Xinlan Tang, Sungjong Kim, Chan Hee Park, Byeng D. Youn, Guo Dong Goh, Xi Huang, Wai Yee Yeong, Yung C Shin, He Zhang, Zitong Wang, Fei Tao, Jagjit Singh Srai, Satyandra K. Gupta, Byung Gun Joung, Albin John, John W. Sutherland, Sang Won Lee, Olga Fink, Vinay Sharma, Faez Ahmed, Wei Chen, Mark Fuge, Arild Waaler, Martin G. Skjæveland, Dimitris Kyritsis, Wei Chen, VispiNevile Karkaria, Yi-Ping Chen, Ying-Kuan Tsai, Joseph Cohen, Xun Huan, Jing Lin, Liangwei Zhang, Gregory W. Vogl, Aaron W. Cornelius, Xiaodong Jia, Dai-Yan Ji, Takanobu Minami, Ruoxin Wang,
• Abstract要約: 産業環境でのAIとMLの展開は、依然として重大な課題に直面している。 1つ目は、スマートマニュファクチャリングにおけるAIの進化を支える基盤とトレンドを強調したものだ。 第2のトピックは、AIがすでに進歩を可能にしている重要なトピックに焦点を当てている。 第3のセクションでは、新たなフロンティアを開拓する非伝統的なMLアプローチについて検討している。
• 参考スコア（独自算出の注目度）: 37.320004818839415
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The evolution of artificial intelligence (AI) and machine learning (ML) is reshaping smart manufacturing by providing new capabilities for efficiency, adaptability, and autonomy across industrial value chains. However, the deployment of AI and ML in industrial settings still faces critical challenges, including the complexity of industrial big data, effective data management, integration with heterogeneous sensing and control systems, and the demand for trustworthy, explainable, and reliable operation in high-stakes industrial environments. In this roadmap, we present a comprehensive perspective on the foundations, applications, and emerging directions of AI and ML in smart manufacturing. It is structured in three parts. The first highlights the foundations and trends that frame the evolution of AI in smart manufacturing. The second focuses on key topics where AI is already enabling advances, including industrial big data analytics, advanced sensing and perception, autonomous systems, additive and laser-based manufacturing, digital twins, robotics, supply chain and logistics optimization, and sustainable manufacturing. The third section explores non-traditional ML approaches that are opening new frontiers, such as physics-informed AI, generative AI, semantic AI, advanced digital twins, explainable AI, RAMS, data-centric metrology, LLMs, and foundation models for highly connected and complex manufacturing systems. By identifying both opportunities and remaining barriers across these areas, this roadmap outlines the advances needed in methods, integration strategies, and industrial adoption. We hope this roadmap will serve as a guide for researchers, engineers, and practitioners to accelerate innovation, align academic and industrial priorities, and ensure that AI-driven smart manufacturing delivers reliable, sustainable, and scalable impact for the future of manufacturing ecosystems.
• Abstract（参考訳）: 人工知能(AI)と機械学習(ML)の進化は、産業価値チェーン全体にわたる効率性、適応性、自律性のための新たな能力を提供することによって、スマート製造を再構築している。 しかし、産業環境でのAIとMLの展開は、産業用ビッグデータの複雑さ、効率的なデータ管理、異質なセンシングと制御システムとの統合、高度な産業環境における信頼できる、説明可能な、信頼性の高い運用の要求など、依然として重要な課題に直面している。 このロードマップでは、スマートマニュファクチャリングにおけるAIとMLの基礎、応用、および新たな方向性について、包括的な視点を示します。 3つの部分で構成されている。 1つ目は、スマートマニュファクチャリングにおけるAIの進化を支える基盤とトレンドを強調したものだ。 第2のトピックは、産業用ビッグデータ分析、高度な知覚と認識、自律システム、添加物とレーザーベースの製造、デジタルツイン、ロボット、サプライチェーンと物流最適化、持続可能な製造など、AIがすでに実現している重要なトピックに焦点を当てている。 第3のセクションでは、物理インフォームドAI、生成AI、セマンティックAI、高度なデジタルツイン、説明可能なAI、RAMS、データ中心のメロジ、LLM、高度に接続された複雑な製造システムのための基礎モデルなど、新たなフロンティアを開拓する非伝統的なMLアプローチについて検討している。 これらの領域にまたがる機会と障壁の両方を特定することで、このロードマップは、方法、統合戦略、産業導入に必要な進歩を概説する。 このロードマップは、研究者、エンジニア、実践者のためのガイドとして機能し、イノベーションを加速し、学術的および工業的優先順位を調整し、AI駆動のスマートマニュファクチャリングが、製造エコシステムの将来に信頼性、持続可能、スケーラブルな影響をもたらすことを確実にすることを期待しています。

関連論文リスト

• Embodied Intelligence for Flexible Manufacturing: A Survey [53.502316787299144]
  フレキシブルな製造では、産業的な具体化インテリジェンスは3つの課題に直面している。 これには、限られた知覚下での正確なプロセスモデリングとモニタリング、柔軟な適応と高精度制御の動的バランス、専門的な産業操作と汎用スキルの統合が含まれる。 本研究は,製造システムにおける知覚-決定-実行の閉ループ最適化のためのエンボディインテリジェンスの重要な技術経路を明らかにする。
  論文  参考訳（メタデータ） (2025-12-24T14:26:30Z)
• Empowering Real-World: A Survey on the Technology, Practice, and Evaluation of LLM-driven Industry Agents [63.03252293761656]
  本稿では,大規模言語モデル(LLM)に基づく産業エージェントの技術,応用,評価手法を体系的にレビューする。 エージェント能力の進歩を支える3つの重要な技術柱として,記憶,計画,ツール利用について検討する。 本稿では,デジタル工学,科学的発見,具体的インテリジェンス,協調ビジネス実行,複雑なシステムシミュレーションといった実世界の領域における産業エージェントの応用の概要について述べる。
  論文  参考訳（メタデータ） (2025-10-20T12:46:55Z)
• Generative AI for Autonomous Driving: Frontiers and Opportunities [145.6465312554513]
  この調査は、自律運転スタックにおけるGenAIの役割の包括的合成を提供する。 まず、VAE、GAN、拡散モデル、および大規模言語モデルを含む、現代の生成モデリングの原則とトレードオフを蒸留することから始めます。 我々は、合成データ一般化、エンドツーエンド駆動戦略、高忠実なデジタルツインシステム、スマートトランスポートネットワーク、具体化されたAIへのクロスドメイン転送など、実用的な応用を分類する。
  論文  参考訳（メタデータ） (2025-05-13T17:59:20Z)
• Deep Learning and Machine Learning, Advancing Big Data Analytics and Management: Unveiling AI's Potential Through Tools, Techniques, and Applications [17.624263707781655]
  人工知能(AI)、機械学習、ディープラーニングは、ビッグデータ分析と管理において変革の力となっている。 この記事では、これらの分野における基礎概念と最先端の展開について論じる。 理論的基盤を実行可能な戦略でブリッジすることで、ビッグデータ管理に革命をもたらすAIとLLMの可能性を示す。
  論文  参考訳（メタデータ） (2024-10-02T06:24:51Z)
• On the role of Artificial Intelligence methods in modern force-controlled manufacturing robotic tasks [0.0]
  ロボットマニピュレータの強化におけるAIの役割は、スマートマニュファクチャリングにおける重要なイノベーションに急速に結びついている。 この記事では、これらのイノベーションを実効力によって制御されたアプリケーションにまとめ、高品質な生産標準を維持する必要性を強調します。 この分析は、AI技術を検証するための共通のパフォーマンスメトリクスの必要性を強調した、将来の研究方向性の視点で締めくくっている。
  論文  参考訳（メタデータ） (2024-09-25T11:29:26Z)
• The Future of Fundamental Science Led by Generative Closed-Loop Artificial Intelligence [67.70415658080121]
  機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。 AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。 ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
  論文  参考訳（メタデータ） (2023-07-09T21:16:56Z)
• Validate and Enable Machine Learning in Industrial AI [47.20869253934116]
  産業用AIは、より効率的な将来の産業用制御システムを約束する。 Petuum Optimumシステムは、AIモデルの作成とテストの課題を示す例として使用される。
  論文  参考訳（メタデータ） (2020-10-30T20:33:05Z)

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。