論文の概要: NIMO: A Software Platform for Closed-Loop Materials Exploration with Diverse AI Algorithms

• arxiv url: http://arxiv.org/abs/2606.15522v1
• Date: Sun, 14 Jun 2026 00:39:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:33.673671
• Title: NIMO: A Software Platform for Closed-Loop Materials Exploration with Diverse AI Algorithms
• Title（参考訳）: NIMO: 異種AIアルゴリズムを用いた閉ループ材料探索のためのソフトウェアプラットフォーム
• Abstract要約: NIMOは、異種ロボットハードウェアによる特定の探査目標に適した多様なAIアルゴリズムをシームレスにブリッジするオープンソースプラットフォームである。 NIMOにより駆動される6種類のSDL実装について,電解質発見,有機合成,薄膜探索,燃料電池プロセス情報処理,コーヒーリング位相探索,レガシ液体処理自動化について紹介する。 自律科学を民主化するために,非プログラマを対象とした直感的で人文的な探索を可能にする,ノーコードデスクトップアプリケーションも導入する。
• 参考スコア（独自算出の注目度）: 0.4392337343771302
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Self-driving laboratories (SDLs), where artificial intelligence proposes subsequent experiments and robotic systems execute them, are rapidly becoming the vanguard of materials discovery. A critical bottleneck, however, lies in seamlessly bridging diverse AI algorithms tailored for specific exploration goals with the heterogeneous robotic hardware found across different laboratories. Here, we present NIMO, an open-source software platform designed to dissolve this barrier through three core paradigms: a modular AI-robot decoupling mediated via simple CSV file exchange, a discrete candidate-pool architecture that seamlessly absorbs domain knowledge, and a unified Python interface pre-loaded with twelve distinct AI algorithms. In this Perspective, we review the operational principles of each algorithm alongside six diverse SDL implementations driven by NIMO, covering electrolyte discovery, organic synthesis, thin-film exploration, fuel-cell process informatics, coffee-ring phase exploration, and legacy liquid-handling automation. One of these also demonstrates NIMO's seamless interoperability with the IvoryOS orchestration framework. To democratize autonomous science, we also introduce a no-code desktop application that enables intuitive, human-in-the-loop exploration for non-programmers. NIMO is freely available at https://github.com/NIMS-DA/nimo, offering a versatile, plug-and-play foundation to accelerate autonomous materials exploration across diverse experimental landscapes.
• Abstract（参考訳）: 人工知能がその後の実験とロボットシステムを実行する自動運転車研究所(SDL)は、急速に材料発見の先駆者になりつつある。 しかし重要なボトルネックは、さまざまな研究室で見られる異質なロボットハードウェアを使って、特定の探査目標に適した多様なAIアルゴリズムをシームレスにブリッジすることだ。 ここでは、シンプルなCSVファイル交換を介するモジュール型AI-ロボットデカップリング、ドメイン知識をシームレスに吸収する個別の候補プールアーキテクチャ、12の異なるAIアルゴリズムでプリロードされた統一Pythonインターフェースの3つのパラダイムを通じて、この障壁を解消するように設計されたオープンソースのソフトウェアプラットフォームであるNIMOを紹介する。 本稿では,NIMOによる6種類のSDL実装とともに,電解質の発見,有機合成,薄膜探索,燃料電池プロセス情報処理,コーヒーリング位相探索,レガシ液体処理自動化など,各アルゴリズムの動作原理を概観する。 また、NIMOのIvoryOSオーケストレーションフレームワークとのシームレスな相互運用性を実証している。 自律科学を民主化するために,非プログラマを対象とした直感的で人文的な探索を可能にする,ノーコードデスクトップアプリケーションも導入する。 NIMOはhttps://github.com/NIMS-DA/nimoで無料で利用可能で、多様な実験風景を横断する自律的な材料探査を加速する汎用的なプラグアンドプレイ基盤を提供する。

関連論文リスト

• Nautilus: From One Prompt to Plug-and-Play Robot Learning [32.048440678131676]
  NAUTILUSはオープンソースのハーネスで、単一のユーザプロンプトを準備可能な複製、評価、デプロイに変換する。 既存の実装に必要なアダプタやコンテナを自動的に生成するだけでなく、新規あるいはユーザが提供するポリシ、シミュレータ/ベンチマーク、ロボットをラップしてオンボードすることも可能だ。 成長を続けるロボット学習エコシステムにおいて、家族間の複製と評価の工学的負担を軽減することを目的としている。
  論文  参考訳（メタデータ） (2026-05-12T07:26:39Z)
• Towards Agentic Intelligence for Materials Science [73.4576385477731]
  この調査は、コーパスキュレーションからプレトレーニングから、シミュレーションと実験プラットフォームに面した目標条件付きエージェントまで、ユニークなパイプライン中心の視点を推し進める。 コミュニティをブリッジし、参照の共有フレームを確立するために、まず、AIと材料科学をまたいだ用語、評価、ワークフローの段階を整列する統合レンズを提示する。
  論文  参考訳（メタデータ） (2026-01-29T23:48:43Z)
• Agentic Artificial Intelligence (AI): Architectures, Taxonomies, and Evaluation of Large Language Model Agents [14.448267395835721]
  エージェントを知覚,脳,計画,行動,ツール利用,コラボレーションに分割する統合分類法を提案する。 また、デジタルオペレーティングシステム、エンボディロボット、その他の特殊なドメインを含む、これらのエージェントが動作する環境もグループ化します。
  論文  参考訳（メタデータ） (2026-01-18T19:51:16Z)
• Embodied AI: From LLMs to World Models [65.68972714346909]
  人工知能(AI)は、人工知能(AGI)を実現するためのインテリジェントシステムパラダイムである。 近年のLarge Language Models(LLMs)とWorld Models(WMs)のブレークスルーは、AIを具現化する上で大きな注目を集めている。
  論文  参考訳（メタデータ） (2025-09-24T11:37:48Z)
• Ark: An Open-source Python-based Framework for Robot Learning [20.131425969692256]
  ARKは、そのギャップを埋めるために設計された、オープンソースのPythonファーストのロボティクスフレームワークである。 ARKは、ユーザがデータを収集し、前処理し、ポリシーをトレーニングできる、Gymスタイルの環境インターフェースを提供する。 ARKには、コントロール、SLAM、モーションプランニング、システム識別、可視化のための再利用可能なモジュールが付属している。
  論文  参考訳（メタデータ） (2025-06-24T20:23:39Z)
• NIMS-OS: An automation software to implement a closed loop between artificial intelligence and robotic experiments in materials science [1.9981375888949475]
  NIMS-OSは、人間の介入なしにロボット実験と人工知能(AI)のクローズドループを実現するために開発されたPythonライブラリである。 様々な組み合わせのモジュールを使って自律的に動作している。 NIMS自動ロボット電気化学実験(NAREE)と呼ばれるシステムは、ロボット実験装置のセットとして利用可能である。
  論文  参考訳（メタデータ） (2023-04-27T02:42:52Z)
• Robotic Navigation Autonomy for Subretinal Injection via Intelligent Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
  網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。 提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。 ブタ前眼の精度と再現性について実験を行った。
  論文  参考訳（メタデータ） (2023-01-17T21:41:21Z)
• Active Predicting Coding: Brain-Inspired Reinforcement Learning for Sparse Reward Robotic Control Problems [79.07468367923619]
  ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。 我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。 提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-19T16:49:32Z)
• Model Predictive Control for Fluid Human-to-Robot Handovers [50.72520769938633]
  人間の快適さを考慮に入れた計画運動は、人間ロボットのハンドオーバプロセスの一部ではない。 本稿では,効率的なモデル予測制御フレームワークを用いてスムーズな動きを生成することを提案する。 ユーザ数名の多様なオブジェクトに対して,人間とロボットのハンドオーバ実験を行う。
  論文  参考訳（メタデータ） (2022-03-31T23:08:20Z)
• A toolbox for neuromorphic sensing in robotics [4.157415305926584]
  ロボット上で利用可能なあらゆる種類のセンサからの入力信号をエンコードし、デコードするためのROS(Robot Operating System)ツールボックスを導入する。 このイニシアチブは、ニューロモルフィックAIのロボット統合を刺激し促進することを目的としている。
  論文  参考訳（メタデータ） (2021-03-03T23:22:05Z)
• Integrated Benchmarking and Design for Reproducible and Accessible Evaluation of Robotic Agents [61.36681529571202]
  本稿では,開発とベンチマークを統合した再現性ロボット研究の新しい概念について述べる。 このセットアップの中心的なコンポーネントの1つはDuckietown Autolabであり、これは比較的低コストで再現可能な標準化されたセットアップである。 本研究では,インフラを用いて実施した実験の再現性を解析し,ロボットのハードウェアや遠隔実験室間でのばらつきが低いことを示す。
  論文  参考訳（メタデータ） (2020-09-09T15:31:29Z)

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。