論文の概要: Agentic Large Language Models for Automated Structural Analysis of 3D Frame Systems

• arxiv url: http://arxiv.org/abs/2606.06525v2
• Date: Thu, 11 Jun 2026 13:52:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 13:39:59.47974
• Title: Agentic Large Language Models for Automated Structural Analysis of 3D Frame Systems
• Title（参考訳）: 3次元フレームシステムの自動構造解析のためのエージェント型大規模言語モデル
• Authors: Ziheng Geng, Ian Franklin, Santiago Martinez, Jiachen Liu, Yunhe Zhao, Minghui Cheng,
• Abstract要約: 大規模言語モデル(LLM)は、ドメイン間で強力な推論能力を持つ強力な基礎モデルとして登場した。 構造工学における近年の取り組みは,平面フレームの自動解析のためのエージェントLDMの開発である。 本稿では,自然入力からの3次元フレームの自動構造解析のためのエージェントLLMフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 9.941684692042632
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) have emerged as powerful foundation models with strong reasoning capabilities across domains. Beyond reactive text generation, agentic LLMs enable autonomous workflow execution through modular task decomposition and coordinated tool use. In structural engineering, recent efforts have developed agentic LLMs for automated analysis of plane frames. However, their extension to 3D frames remains underexplored due to challenges in irregular geometric representation, topological consistency, and long-horizon reasoning. This paper proposes an agentic LLM framework for automated structural analysis of 3D frames from natural language inputs. Irregular 3D frames are represented by projection onto a 2D plan, where orthogonal gridlines define spatial coordinates and a matrix of number of stories encodes vertical extrusion of each grid cell. Building on this representation, the framework establishes a multi-agent pipeline: a problem analysis agent parses input into structured JSON; a floor decomposition agent derives the spatial layout of each floor; the 3D geometry is assembled by node, girder, slab, and column agents; support and load agents assign boundary and loading conditions, and code translation agents generate executable SAP2000 script. Evaluated on ten representative 3D frames, the proposed framework achieves an average accuracy of 90% across repeated trials, demonstrating consistent and reliable performance.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、ドメイン間で強力な推論能力を持つ強力な基礎モデルとして登場した。 リアクティブテキスト生成以外にも、エージェントLLMはモジュラータスクの分解とコーディネートツールの使用を通じて、自律的なワークフロー実行を可能にする。 構造工学における近年の取り組みは,平面フレームの自動解析のためのエージェントLDMの開発である。 しかし、3Dフレームへの拡張は、不規則な幾何学的表現、位相的整合性、長期水平推論の難しさにより、まだ探索されていない。 本稿では,自然言語入力による3次元フレームの自動構造解析のためのエージェントLLMフレームワークを提案する。 不規則な3Dフレームは2次元平面への投影によって表現され、直交格子線は空間座標を定義し、各格子セルの垂直押出を符号化するストーリー数の行列を定義する。 問題解析エージェントは構造化JSONに入力を解析し、フロア分解エージェントは各フロアの空間的レイアウトを導き、3D幾何学はノード、ガーダ、スラブ、カラムエージェントで組み立てられ、サポートおよびロードエージェントはバウンダリとロード条件を割り当て、コード翻訳エージェントは実行可能なSAP2000スクリプトを生成する。 提案するフレームワークは,10の代表的な3次元フレームに基づいて,繰り返し試行において平均90%の精度を達成し,一貫した信頼性のある性能を示す。

関連論文リスト

• Think, Act, Build: An Agentic Framework with Vision Language Models for Zero-Shot 3D Visual Grounding [34.1504914582344]
  3D Visual Groundingは、自然言語記述を通じてオブジェクトを3Dシーンにローカライズすることを目的としている。 生のRGB-Dストリーム上で直接動作する2次元から3次元の再生パラダイムである"Think, Act, Build (TAB)"を提案する。 厳密なVLMセマンティックトラッキングによる多視点カバレッジ障害を克服するために,セマンティックアンコレッド幾何拡張を導入する。
  論文  参考訳（メタデータ） (2026-04-01T06:12:16Z)
• A Novel Multi-Agent Architecture to Reduce Hallucinations of Large Language Models in Multi-Step Structural Modeling [14.895933109860342]
  本研究では,OpenSeesPyを用いた構造モデリングと解析を自動化する新しいマルチエージェントアーキテクチャを提案する。 提案手法は10回繰り返し試行錯誤した20フレーム問題をベンチマークで評価し、18件で100%,残りの2件で90%の精度で評価した。
  論文  参考訳（メタデータ） (2026-03-08T16:57:35Z)
• SSR: Pushing the Limit of Spatial Intelligence with Structured Scene Reasoning [30.87517633729756]
  SSRはStructured Scene Reasoning用に設計されたフレームワークである。 軽量アライメント機構によって2Dと3Dの表現をシームレスに統合する。 複数の空間インテリジェンスベンチマークで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-02-28T02:05:35Z)
• PhyScensis: Physics-Augmented LLM Agents for Complex Physical Scene Arrangement [89.35154754765502]
  PhyScensisは物理エンジンを動力とするエージェントベースのフレームワークで、物理的に可視なシーン構成を生成する。 本フレームワークは,微粒なテキスト記述や数値パラメータに対する強い制御性を保っている。 実験の結果,本手法はシーンの複雑さ,視覚的品質,身体的精度において,従来の手法よりも優れていた。
  論文  参考訳（メタデータ） (2026-02-16T17:55:25Z)
• Designing Domain-Specific Agents via Hierarchical Task Abstraction Mechanism [61.01709143437043]
  階層型タスク抽象化機構(HTAM)を中心とした新しいエージェント設計フレームワークを提案する。 具体的には、HTAMは、社会的役割のエミュレーションを超えて、代わりに、複数のエージェントシステムを、あるドメインの固有のタスク依存グラフを反映する論理階層に構造化する。 我々は、複雑な地理空間解析に適したマルチエージェントシステムであるEarthAgentとして、このフレームワークをインスタンス化する。
  論文  参考訳（メタデータ） (2025-11-21T12:25:47Z)
• A Lightweight Large Language Model-Based Multi-Agent System for 2D Frame Structural Analysis [21.13581042992661]
  大規模言語モデル(LLM)は、工学における自律的エージェントの強化に最近使用されている。 本稿では、2次元フレームの有限要素モデリングを自動化するLLMベースのマルチエージェントシステムを提案する。 このシステムは10回の試行で80%以上の精度を達成し、Gemini-2.5 ProとChatGPT-4oモデルを上回っている。
  論文  参考訳（メタデータ） (2025-10-06T22:12:52Z)
• SeqAffordSplat: Scene-level Sequential Affordance Reasoning on 3D Gaussian Splatting [85.87902260102652]
  本稿では, 連続3次元ガウシアン・アフラマンス推論の課題について紹介する。 次に,SeqSplatNetを提案する。SqSplatNetは,命令を直接3Dアベイランスマスクのシーケンスにマッピングするエンドツーエンドフレームワークである。 本手法は,1段階のインタラクションから,シーンレベルでの複雑なシーケンシャルなタスクへの可利用性推論を効果的に向上させる。
  論文  参考訳（メタデータ） (2025-07-31T17:56:55Z)
• Agentic 3D Scene Generation with Spatially Contextualized VLMs [67.31920821192323]
  本稿では,複雑な3D環境の生成,理解,編集を可能にする新しいパラダイムを提案する。 我々は,VLMが空間コンテキストから反復的に読み取って更新するエージェント型3Dシーン生成パイプラインを開発した。 その結果,我々のフレームワークは多様かつ困難な入力を処理でき,事前の作業では観測できないような一般化のレベルを達成することができることがわかった。
  論文  参考訳（メタデータ） (2025-05-26T15:28:17Z)

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。