Fugu-MT 論文翻訳(概要): LLM-based Visual Code Completion for Aerospace Geometric Design

論文の概要: LLM-based Visual Code Completion for Aerospace Geometric Design

arxiv url: http://arxiv.org/abs/2606.16806v1
Date: Mon, 15 Jun 2026 14:46:57 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-16 16:21:34.646693
Title: LLM-based Visual Code Completion for Aerospace Geometric Design
Title（参考訳）: LLMによる航空幾何学設計のためのビジュアルコード補完
Authors: Hau Kit Yong, Robert Marsh, Edmar A. Silva, András Sóbester, Stuart E. Middleton,
Abstract要約: 本稿では,航空工学設計タスクのためのビジュアルプログラミングコパイロットアプリケーションを提案する。我々はReAct 方法論と GPT 5.4 の視覚プログラミングの変種を用いる。我々は,経験豊富な2人の航空宇宙技術者によるユーザトライアルで,我々の操縦士アプリケーションを評価した。
参考スコア（独自算出の注目度）: 1.8703452729758459
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Recent advances in both Large Language Models (LLMs) and Vision Language Models (VLMs) have seen a step change in their ability to perform visual code completion, but the aerospace industry, which prioritizes safety and explainabilty over rapid LLM adoption, currently has no publicly announced LLM-based geometric design copilot systems in commercial use by aerospace Original Equipment Manufacturers (OEMs). This paper presents a LLM-based visual programming copilot application for aerospace engineering design tasks, using a visual programming variant of the ReAct methodology and GPT 5.4. In addition to the copilot, we describe Wingbuilder, a new Grasshopper plugin library with custom components for aerospace-specific geometry abstraction, and an associated Aerospace Visual Programming Dataset (AVPD) with 18 aerospace expert designed tasks at different levels of difficulty alongside ground truth solutions. We evaluate our copilot application with a user trial involving two experienced aerospace engineers from a large aircraft manufacturing company. We find our copilot visual programming ReAct methodology was successful in generating suggestions that participants found helpful, but slow ReAct inference times limit its usefulness to more complex time-consuming tasks where waiting for good copilot solution suggestion was worthwhile. Participants reported they liked the tool and would be willing to use it in the future.
Abstract（参考訳）: LLM(Large Language Models)とVLM(Vision Language Models)の両方の最近の進歩は、視覚的なコード補完を行う能力の段階的な変化をみせている。本稿では,ReAct 手法と GPT 5.4 を用いた LLM を用いた航空工学設計タスクのためのビジュアルプログラミング協調アプリケーションを提案する。 Wingbuilderは、航空宇宙固有の幾何学的抽象化のためのカスタムコンポーネントを備えた新しいGrasshopperプラグインライブラリであり、18の航空宇宙専門家によるAVPD(Aerospace Visual Programming Dataset)と関連する。大型航空機製造会社の経験豊富な2人の航空宇宙技術者によるユーザトライアルを実施。ペアプログラミングのReAct方法論は、参加者が有用な提案を生成するのに成功しましたが、遅いReAct推論時間では、適切なペアプログラミングの提案を待っている場合に、その有用性をより複雑な時間を要するタスクに制限します。参加者はツールが気に入ったと報告し、将来は喜んで使うだろうと伝えた。

関連論文リスト

AeroGen: Agentic Drone Autonomy through Single-Shot Structured Prompting & Drone SDK [3.1941554288428193]
AeroGenは、一貫した正しい単発AI生成ドローン制御プログラムを可能にするオープンループフレームワークである。実環境とシミュレーションの両方において,AeroGenが約40行のAeroD Pythonコードを生成することを示す。
論文参考訳（メタデータ） (2026-03-15T06:16:02Z)
From Code Foundation Models to Agents and Applications: A Practical Guide to Code Intelligence [150.3696990310269]
大規模言語モデル(LLM)は、自然言語記述を直接関数コードに変換することによって、自動ソフトウェア開発を変革した。コードLLMに関する総合的な合成と実践的ガイド(一連の解析および探索実験)を提供する。一般LLM(GPT-4, Claude, LLaMA)とコード特殊化LLM(StarCoder, Code LLaMA, DeepSeek-Coder, QwenCoder)のコード機能の解析を行う。
論文参考訳（メタデータ） (2025-11-23T17:09:34Z)
Large Language Models as Autonomous Spacecraft Operators in Kerbal Space Program [42.87968485876435]
大規模言語モデル(LLM)は、ユーザのテキストプロンプトの内容に基づいてアクションを行う自律エージェントである。我々は,KSPDG(Kerbal Space Program Differential Games)チャレンジに対して,純粋なLLMベースのソリューションを開発した。
論文参考訳（メタデータ） (2025-05-26T12:25:35Z)
AGENT: An Aerial Vehicle Generation and Design Tool Using Large Language Models [13.674483311866183]
エージェントは、テキストファイルから直接航空機の設計の強力な表現を学ぶ。エージェントは、AircraftVerseデータセットの基盤となる物理シミュレーションの代理モデルとして機能する設計の評価を発行することができる。
論文参考訳（メタデータ） (2025-04-11T21:13:10Z)
LeRAAT: LLM-Enabled Real-Time Aviation Advisory Tool [29.306750550243894]
本稿では,大規模言語モデル(LLM)とX-Planeフライトシミュレータを統合するフレームワークであるLeRAATを紹介する。このシステムは、航空のベストプラクティスに沿った勧告を生成するために、飛行データ、気象条件、および航空機の文書を使用する。
論文参考訳（メタデータ） (2025-03-05T05:34:15Z)
OpenFly: A Comprehensive Platform for Aerial Vision-Language Navigation [49.697035403548966]
Vision-Language Navigation (VLN)は、言語命令と視覚的手がかりを活用してエージェントを誘導することを目的としており、AIの具体化において重要な役割を果たす。各種レンダリングエンジン,多用途ツールチェーン,航空VLNの大規模ベンチマークからなるプラットフォームであるOpenFlyを提案する。我々は、100kの軌跡を持つ大規模な航空VLNデータセットを構築し、18のシーンにまたがる様々な高さと長さをカバーした。
論文参考訳（メタデータ） (2025-02-25T09:57:18Z)
Language Models are Spacecraft Operators [36.943670587532026]
大規模言語モデル(LLM)は、ユーザのテキストプロンプトの内容に基づいてアクションを行う自律エージェントである。我々は,KSPDG(Kerbal Space Program Differential Games)チャレンジに対して,純粋なLLMベースのソリューションを開発した。
論文参考訳（メタデータ） (2024-03-30T16:43:59Z)
Octopus: Embodied Vision-Language Programmer from Environmental Feedback [58.04529328728999]
身体視覚言語モデル(VLM)は多モード認識と推論において大きな進歩を遂げた。このギャップを埋めるために、我々は、計画と操作を接続する媒体として実行可能なコード生成を使用する、具体化された視覚言語プログラマであるOctopusを紹介した。 Octopusは、1)エージェントの視覚的およびテキスト的タスクの目的を正確に理解し、2)複雑なアクションシーケンスを定式化し、3)実行可能なコードを生成するように設計されている。
論文参考訳（メタデータ） (2023-10-12T17:59:58Z)
Improving aircraft performance using machine learning: a review [57.82442188072833]
本稿では,航空宇宙工学の多分野に影響を及ぼす機械学習(ML)の新たな展開について概説する。我々は、さまざまな航空宇宙分野にまたがるML手法の利点と課題を整理し、技術の現状を概観する。
論文参考訳（メタデータ） (2022-10-20T07:16:53Z)

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。