論文の概要: From Detection to Action: Using LLM Agents for Fault-Tolerant Control

• arxiv url: http://arxiv.org/abs/2606.28011v1
• Date: Fri, 26 Jun 2026 12:13:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 18:24:25.481336
• Title: From Detection to Action: Using LLM Agents for Fault-Tolerant Control
• Title（参考訳）: 検知から行動へ:LLMエージェントを用いた耐故障性制御
• Authors: Javal Vyas, Milapji Singh Gill, Artan Markaj, Felix Gehlhoff, Mehmet Mercangöz,
• Abstract要約: 我々は,耐故障性制御のためのエージェント型大規模言語モデル(LLM)フレームワークを提案する。 故障検出出力を、植物固有の知識に基づく制約対応回復行動に変換する。 我々は,各プロセスのダイナミックスと互換性のある遅延予算内で,意味的基盤を持つエージェントが有効なリカバリ決定を導出できることを示す。
• 参考スコア（独自算出の注目度）: 0.21313236831585222
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose an agentic Large Language Model (LLM) framework for active Fault-Tolerant Control (FTC) that transforms fault detection outputs into constraint-aware recovery actions grounded in plant-specific knowledge. The approach couples (i) a multi-agent workflow that decomposes operator duties into monitoring, planning, action synthesis, simulation, validation, and reprompting; (ii) a Digital Process Plant Twin (DPPT) that exposes plant data, models, and a simulation service for pre-execution testing; and (iii) a Graph Retrieval-Augmented Generation (Graph RAG) layer built on the CPSMod ontology, which organizes plant knowledge (structure, function, hybrid dynamics, control context, and fault semantics) into a graph that supports relation-aware, multi-hop retrieval for the agents. Corrective actions are generated as minimal-risk state-machine recovery paths and corresponding discrete commands or continuous setpoint adaptations, then validated deterministically against interlocks, envelopes, and dynamic feasibility before any actuation. If no acceptable plan is found within a bounded time window, control is handed to a safety fallback. The framework is evaluated in simulation on two representative benchmarks: a discrete batch Mixing Module and a Continuous Stirred-Tank Reactor (CSTR) under closed-loop PID regulation. Results with lightweight LLMs (GPT-4o-mini and GPT-4.1-mini) show that semantically grounded agents can derive valid recovery decisions within latency budgets compatible with the respective process dynamics, demonstrating a practical pathway from detection to validated corrective action across both discrete and continuous FTC tasks.
• Abstract（参考訳）: 本稿では,故障検出出力を植物固有の知識に基づく制約対応回復行動に変換する,アクティブフォールトトレラント制御(FTC)のためのエージェント型大規模言語モデル(LLM)フレームワークを提案する。 アプローチカップル 一 業務を監視、計画、行動合成、シミュレーション、検証及び再試行に分割するマルチエージェントワークフロー 二 プラントデータ、モデル及び前処理試験のためのシミュレーションサービスを公開するデジタルプロセスプラントツイン(DPPT) 3) CPSModオントロジー上に構築されたグラフ検索型生成(Graph RAG)レイヤは,プラントの知識(構造,機能,ハイブリッドダイナミクス,制御コンテキスト,障害セマンティクス)を,エージェントに対する関係認識,マルチホップ検索をサポートするグラフに整理する。 修正アクションは、最小リスク状態マシン回復パスと対応する個別コマンドまたは連続的なセットポイント適応として生成され、任意のアクティベーションの前にインターロック、エンベロープ、動的実行可能性に対して決定的に検証される。 制限時間ウィンドウ内に許容可能な計画が見つからなかった場合、制御は安全フォールバックに渡される。 このフレームワークは、クローズドループPID規制の下で、離散バッチ混合モジュールと連続スターレッドタンクリアクタ(CSTR)の2つの代表的なベンチマークで評価されている。 軽量LCM (GPT-4o-mini および GPT-4.1-mini) を用いて行った結果、各プロセスのダイナミックスと互換性のある遅延予算内で、意味論的に基底化されたエージェントが有効な回復決定を導出できることが示され、離散的および連続的なFTCタスクにまたがって、検出から検証された修正アクションへの実践的な経路が示される。

関連論文リスト

• Guided Verifier: Collaborative Multimodal Reasoning via Dynamic Process Supervision [11.159231524113764]
  マルチモーダル大規模言語モデル(MLLM)の複雑な推論能力を高めるための重要なメカニズムとして強化学習(RL)が登場した。 本稿では,これらの構造的制約に対処する textbfGuided Verifier フレームワークを提案する。 我々は,マルチモーダル幻覚をターゲットとした特殊なデータ合成パイプラインを開発し,プロセスレベルの負の textbfCoRe データセットとtextbfCorrect-guide textbfReasoning トラジェクトリを構築し,ガイド付き検証器を訓練する。
  論文  参考訳（メタデータ） (2026-02-04T07:38:42Z)
• TriCEGAR: A Trace-Driven Abstraction Mechanism for Agentic AI [5.1181001367075]
  TriCEGARはトレース駆動の抽象化メカニズムで、実行ログから状態構築を自動化する。 タイプされたエージェントライフサイクルイベントをキャプチャし、トレースから抽象化を構築するフレームワークネイティブ実装について説明する。 また, 走行確率が異常検出をガードレール信号として有効にする方法も示す。
  論文  参考訳（メタデータ） (2026-01-30T14:01:47Z)
• The Bitter Lesson of Diffusion Language Models for Agentic Workflows: A Comprehensive Reality Check [54.08619694620588]
  本稿では,2つの異なるエージェントパラダイムであるEmbodied AgentsとTool-Calling AgentsにまたがるdLLMの包括的評価を行う。 Agentboard と BFCL では,現在の dLLM が信頼できるエージェントバックボーンとして機能しないという,"ビットレッスン" が報告されている。
  論文  参考訳（メタデータ） (2026-01-19T11:45:39Z)
• Metacognitive Self-Correction for Multi-Agent System via Prototype-Guided Next-Execution Reconstruction [58.51530390018909]
  大規模言語モデルに基づくマルチエージェントシステムは、協調的な問題解決において優れているが、エラーのカスケードには脆弱である。 我々は,MASにリアルタイム,教師なし,ステップレベルの誤り検出と自己補正を付与するメタ認知フレームワークMASCを提案する。
  論文  参考訳（メタデータ） (2025-10-16T05:35:37Z)
• Automatic Building Code Review: A Case Study [6.530899637501737]
  建設担当者は、プロジェクトのサイズと複雑さが増大するにつれて、労働集約的で、エラーを起こし、コストがかかる設計文書のレビューに直面します。 本研究では,BIMに基づくデータ抽出と自動検証を統合したエージェント駆動型フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-03T00:30:14Z)
• Autonomous Control Leveraging LLMs: An Agentic Framework for Next-Generation Industrial Automation [0.0]
  本稿では,大規模言語モデル(LLM)を個別のフォールトリカバリ計画と継続的プロセス制御の両方に活用する統合エージェントフレームワークを提案する。 その結果、構造化されたフィードバックとモジュラーエージェントにより、LLMは高レベルな記号計画と低レベルな連続制御を統一できることを示した。
  論文  参考訳（メタデータ） (2025-07-03T11:20:22Z)
• Leveraging LLM Agents and Digital Twins for Fault Handling in Process Plants [0.6990493129893112]
  本稿では,Large Language Model (LLM)エージェントとDigital Twin環境を統合するフレームワークを提案する。 Digital Twinは、エージェントプロンプトのための植物特有のエンジニアリング知識の構造化されたリポジトリとして機能する。 提案するフレームワークは, 混合モジュールを自律的に制御するだけでなく, 効果的な補正作用も生成できる。
  論文  参考訳（メタデータ） (2025-05-04T12:02:21Z)
• Code-as-Monitor: Constraint-aware Visual Programming for Reactive and Proactive Robotic Failure Detection [56.66677293607114]
  オープンセットのリアクティブかつアクティブな障害検出のためのCode-as-Monitor(CaM)を提案する。 モニタリングの精度と効率を高めるために,制約関連エンティティを抽象化する制約要素を導入する。 実験により、CaMは28.7%高い成功率を達成し、厳しい乱れの下で実行時間を31.8%短縮することが示された。
  論文  参考訳（メタデータ） (2024-12-05T18:58:27Z)

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。