論文の概要: A Lightweight Multi-Agent Framework for Automated Concrete Barrier Design
- arxiv url: http://arxiv.org/abs/2606.12040v2
- Date: Thu, 11 Jun 2026 11:37:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-12 13:39:59.686205
- Title: A Lightweight Multi-Agent Framework for Automated Concrete Barrier Design
- Title（参考訳）: コンクリートバリア自動設計のための軽量マルチエージェントフレームワーク
- Authors: Wanting Wang, Xiye Ma, Yuyang He, Minghui Cheng, Ran Cao,
- Abstract要約: 本論文では,AutoGenのマルチエージェントオーケストレーション機能を用いたコンクリートバリアの自動設計手法を提案する。
実験の結果,提案するエージェント・フレームワークは98%以上の設計精度を達成し,スタンドアロンの汎用よりも優れていた。
この発見は、産業アプリケーションのためのAI支援エンジニアリングツールのアクセシビリティを改善しながら、計算コストを大幅に削減する可能性を強調している。
- 参考スコア（独自算出の注目度）: 0.4893345190925178
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The design of reinforced concrete highway barriers is a safety-critical process that requires strict compliance with regulatory provisions such as the AASHTO-LRFD bridge design guidelines. Current engineering practice relies heavily on manual, iterative, and heuristic calculations to satisfy complex nonlinear material and mechanics constraints. Although Large Language Models (LLMs) demonstrate strong generative capabilities, their direct application to structural engineering remains limited by hallucination risks and insufficient physical grounding. To address these challenges, this study proposes a novel "generation-evaluation-optimization" closed-loop framework for automated concrete barrier design using the multi-agent orchestration capabilities of AutoGen. Experimental results demonstrate that the proposed agentic framework achieves over 98% design accuracy, significantly outperforming standalone general-purpose LLMs. More importantly, the study reveals that design performance is not necessarily correlated with model scale, where an 8B-parameter lightweight model could outperform unconstrained 631B-parameter flagship models. This finding highlights the potential to substantially reduce computational costs while improving the accessibility of AI-assisted engineering tools for industry applications. The source code for the proposed multi-agent design framework is available at the project GitHub repository: https://github.com/MXY820/barrier-design. Keywords: Structural Engineering; Multi-Agent Systems; Large Language Models; Concrete Barrier Design; AutoGen; Design Automation.
- Abstract（参考訳）: 鉄筋コンクリートハイウェイバリアの設計は、AASHTO-LRFD橋の設計ガイドラインのような規制規定に厳格に準拠する必要がある安全クリティカルなプロセスである。
現在の工学の実践は、複雑な非線形材料や力学の制約を満たすために、手動、反復、ヒューリスティックな計算に大きく依存している。
大きな言語モデル(LLM)は強力な生成能力を示すが、その構造工学への直接的な適用は、幻覚のリスクと不十分な物理的基盤によって制限されている。
これらの課題に対処するために,AutoGenのマルチエージェントオーケストレーション機能を用いた自動コンクリートバリア設計のための新しい「世代評価最適化」クローズループフレームワークを提案する。
実験の結果,提案するエージェント・フレームワークは98%以上の設計精度を達成し,スタンドアロンの汎用LLMよりも優れていた。
さらに重要なことは、設計性能がモデルスケールと必ずしも相関していないことを示し、そこでは8Bパラメータの軽量モデルが、制約のない631Bパラメータのフラッグシップモデルを上回る可能性がある。
この発見は、産業アプリケーションのためのAI支援エンジニアリングツールのアクセシビリティを改善しながら、計算コストを大幅に削減する可能性を強調している。
提案されたマルチエージェント設計フレームワークのソースコードは、プロジェクトのGitHubリポジトリで入手できる。
キーワード:構造工学、マルチエージェントシステム、大規模言語モデル、コンクリートバリア設計、AutoGen、設計自動化。
関連論文リスト
- AHD Agent: Agentic Reinforcement Learning for Automatic Heuristic Design [5.7547035595428255]
AHD(Automatic Design)は、NP-hard最適化問題を解決するための有望なパラダイムとして登場した。
既存のAHDフレームワークは通常、固定されたコンテキスト内で大きな言語モデル(LLM)を受動的ジェネレータとして扱う。
本稿では,新たなツール統合多ターンフレームワークであるAHD Agentを提案する。
論文 参考訳（メタデータ） (2026-05-09T07:36:45Z) - Supervising Ralph Wiggum: Exploring a Metacognitive Co-Regulation Agentic AI Loop for Engineering Design [9.290591938055673]
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。
論文 参考訳（メタデータ） (2026-03-25T19:39:42Z) - TabPFN for Zero-shot Parametric Engineering Design Generation [8.681307193373241]
本稿では,TabPFNに基づくパラメトリックエンジニアリング設計のためのゼロショット生成フレームワークを提案する。
提案手法は,目標性能指標に基づいて逐次条件付き設計パラメータを生成する。
拡散型生成モデルと比較して,提案手法は計算オーバーヘッドとデータ要求を大幅に削減する。
論文 参考訳（メタデータ） (2026-02-02T19:51:40Z) - LLMs for Analog Circuit Design Continuum (ACDC) [10.15990970510281]
大きな言語モデル(LLM)とトランスフォーマーアーキテクチャは印象的な推論と生成能力を示している。
この研究は、人間がループに留まるAI支援設計に焦点を当てている。
この結果から,データフォーマットに対する感度,生成した設計の不安定性,未確認回路構成への一般化の制限など,重要な信頼性上の課題が浮き彫りになった。
論文 参考訳（メタデータ） (2025-12-09T23:57:28Z) - AnaFlow: Agentic LLM-based Workflow for Reasoning-Driven Explainable and Sample-Efficient Analog Circuit Sizing [1.2617078020344616]
サンプル効率と説明可能なアナログ回路サイズのための新しいエージェントAIフレームワークを提案する。
AnaFlowフレームワークは、複雑さの異なる2つの回路で実証されており、サイズタスクを完全に完了することができる。
固有の説明可能性により、アナログ設計空間探索の強力なツールとなり、アナログEDAの新しいパラダイムとなる。
論文 参考訳（メタデータ） (2025-11-05T18:24:01Z) - Assemble Your Crew: Automatic Multi-agent Communication Topology Design via Autoregressive Graph Generation [91.17994756436259]
大規模言語モデル(LLM)に基づくマルチエージェントシステム(MAS)は、多様な領域にわたる複雑な問題を扱うための強力なソリューションとして登場した。
既存のアプローチは、事前に定義されたエージェントセットとハードコードされた相互作用構造を持つテンプレートグラフ修正パラダイムに依存しているため、基本的に制限されている。
協調グラフをスクラッチから構築することで、このパラダイムを運用する新しい自己回帰モデルであるARG-Designerを提案する。
論文 参考訳（メタデータ） (2025-07-24T09:17:41Z) - MAS-ZERO: Designing Multi-Agent Systems with Zero Supervision [76.42361936804313]
自動MAS設計のための自己進化型推論時間フレームワークMAS-ZEROを紹介する。
MAS-ZEROはメタレベルの設計を採用し、各問題インスタンスに適したMAS構成を反復的に生成し、評価し、洗練する。
論文 参考訳（メタデータ） (2025-05-21T00:56:09Z) - 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) - 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)
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。