論文の概要: Physics-in-the-Loop: A Hybrid Agentic Architecture for Validated CAD Engineering Design

• arxiv url: http://arxiv.org/abs/2605.19717v1
• Date: Tue, 19 May 2026 11:52:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:09.307112
• Title: Physics-in-the-Loop: A Hybrid Agentic Architecture for Validated CAD Engineering Design
• Title（参考訳）: Physics-in-the-Loop:CADエンジニアリング設計のためのハイブリッドエージェントアーキテクチャ
• Authors: Elias Berger, Muhammad Usama, Jan Mehlstäubl, Bernhard Saske, Kristin Paetzold-Byhain,
• Abstract要約: 大規模言語モデル(LLM)はCAD(Computer-Aided Design)を生成することができるが、信頼性の高いエンジニアリング設計に必要な物理的理解は欠如している。 本稿では,自律型AIエージェントの意思決定ループに直接,検証済みの知識ベースエンジニアリングツールを組み込むハイブリッドエージェント・物理アーキテクチャを提案する。 本システムでは, 構造的複雑性が4.2増加し, 類似のエージェント法に比べてコンパイル速度が3.5%向上するなど, より複雑で物理的に検証された設計を生成する。
• 参考スコア（独自算出の注目度）: 2.523956380620852
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) can generate Computer-Aided Design (CAD), yet lack physical comprehension required for reliable engineering design. Instead of attempting to implicitly learn physical laws from data, we propose a Hybrid Agentic-Physical Architecture that embeds validated knowledge-based engineering tools directly into the decision making loop of autonomous AI agents. In this framework, engineering design is formulated as a closed-loop, sequential decision making process guided by explicit physical verification. Based on a load case, dedicated agents iteratively plan, generate, evaluate, and revise engineering designs using knowledge-based tools as a feedback signal. We introduce a benchmark dataset and metrics for assessing functional validity in generative CAD. Our system generates more complex and physically verified designs, with a 4.2 increase in structural complexity and improving compile rate by 3.5% compared to similar agentic methods. The codebase, prompts and dataset will be made publicly available to support reproducibility and future research.
• Abstract（参考訳）: 大規模言語モデル(LLM)はCAD(Computer-Aided Design)を生成することができるが、信頼性の高いエンジニアリング設計に必要な物理的理解は欠如している。 データから物理法則を暗黙的に学習する代わりに、検証済みの知識ベースのエンジニアリングツールを自律AIエージェントの意思決定ループに直接組み込むハイブリッドエージェント物理アーキテクチャを提案する。 このフレームワークでは、工学設計をクローズドループ、シーケンシャルな意思決定プロセスとして、明示的な物理的検証によって導かれる。 負荷ケースに基づいて、専用のエージェントは、フィードバック信号として知識ベースのツールを使用して、エンジニアリング設計を反復的に計画し、生成し、評価し、修正する。 本稿では,ジェネレーティブCADにおける機能的妥当性を評価するためのベンチマークデータセットと指標を提案する。 本システムでは, 構造的複雑性が4.2増加し, 類似のエージェント法に比べてコンパイル速度が3.5%向上するなど, より複雑で物理的に検証された設計を生成する。 コードベース、プロンプト、データセットは、再現性と将来の研究をサポートするために公開されます。

関連論文リスト

• Zero-to-CAD: Agentic Synthesis of Interpretable CAD Programs at Million-Scale Without Real Data [8.896486786253766]
  実行可能CAD構築シーケンスのためのスケーラブルなフレームワークであるZero-to-CADを紹介する。 我々は,大規模言語モデルをフィードバック駆動CAD環境に組み込むことで,コードを反復的に生成し,実行し,検証する。 このエージェント的アプローチは、約100万の実行可能な可読性、編集可能なCADシーケンスの合成を可能にする。
  論文  参考訳（メタデータ） (2026-04-27T13:46:41Z)
• ArtiCAD: Articulated CAD Assembly Design via Multi-Agent Code Generation [24.959136090642758]
  製品開発には, 集合体のパラメトリックコンピュータ支援設計(CAD)が不可欠である。 本研究では,テキストや画像から直接編集可能なCADアセンブリを生成することができる,最初のトレーニングフリーマルチエージェントシステムであるArtiCADを提案する。
  論文  参考訳（メタデータ） (2026-04-13T04:49:30Z)
• 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)
• TIGeR: Tool-Integrated Geometric Reasoning in Vision-Language Models for Robotics [53.442362491589726]
  本稿では、視覚言語モデル(VLM)を幾何学コンピュータに変換する新しいフレームワークであるTIGeR(Tool-Integrated Geometric Reasoning)を提案する。 TIGeRは、ニューラルネットワーク内で複雑な幾何学的操作を内部化しようとするのではなく、幾何学的推論要求を認識するためにモデルに権限を与える。 TIGeRは、実世界のロボット操作タスクにおいて、センチメートルレベルの精度を示しながら、幾何学的推論ベンチマーク上でSOTA性能を達成することを示す。
  論文  参考訳（メタデータ） (2025-10-08T16:20:23Z)
• Retrieval-Augmented Instruction Tuning for Automated Process Engineering Calculations : A Tool-Chaining Problem-Solving Framework with Attributable Reflection [0.0]
  オープンでカスタマイズ可能な小型コード言語モデル(SLM)を強化するためにRAIT(Retrieval-Augmented Instruction-Tuning)を活用する新しい自律エージェントフレームワークを提案する。 命令チューニングされたコードSLMと外部ツールを使用してRACG(Retrieval-Augmented Code Generation)を組み合わせることで、エージェントは自然言語仕様からコードを生成し、デバッグし、最適化する。 我々のアプローチは、専門的なプロセスエンジニアリングタスクのための基礎的AIモデルの欠如の限界に対処し、説明可能性、知識編集、費用対効果の利点を提供する。
  論文  参考訳（メタデータ） (2024-08-28T15:33:47Z)
• Mechanistic Design and Scaling of Hybrid Architectures [114.3129802943915]
  我々は、様々な計算プリミティブから構築された新しいハイブリッドアーキテクチャを特定し、テストする。 本研究では,大規模計算最適法則と新しい状態最適スケーリング法則解析を用いて,結果のアーキテクチャを実験的に検証する。 我々は,MAD合成法と計算-最適パープレキシティを相関させ,新しいアーキテクチャの正確な評価を可能にする。
  論文  参考訳（メタデータ） (2024-03-26T16:33:12Z)
• Geometric Deep Learning for Computer-Aided Design: A Survey [76.3325417461511]
  幾何学的深層学習技術は、コンピュータ支援設計の分野における変革の原動力となっている。 幾何データで表されるCAD設計を処理し、それらの符号化された特徴を解析することで、類似性を識別することができる。 本調査は, コンピュータ支援設計における学習手法の総合的な概要を, 様々なカテゴリーにまたがって紹介する。
  論文  参考訳（メタデータ） (2024-02-27T17:11:35Z)

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。