論文の概要: A Tutorial on Autonomous Fault-Tolerant Control Using Knowledge-Grounded LLM Agents

• arxiv url: http://arxiv.org/abs/2606.31635v1
• Date: Tue, 30 Jun 2026 13:19:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:19.232721
• Title: A Tutorial on Autonomous Fault-Tolerant Control Using Knowledge-Grounded LLM Agents
• Title（参考訳）: LLMエージェントを用いた自律型耐故障制御の一構成法
• Abstract要約: 本稿では,Large Language Model (LLM) エージェントが障害回復決定をどのようにサポートするかを検討する。 提案フレームワークは,LSMを制約付き監督プランナとして扱う。 植物固有の知識を使ってリカバリアクションを提案し、すべての提案は外部のバリデータによってチェックされる。
• 参考スコア（独自算出の注目度）: 0.21313236831585222
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fault recovery in process plants still relies heavily on plant operators, especially when faults fall outside predefined supervisory logic. Operators interpret alarms, procedures, P\&IDs, interlocks, and process trends, then decide how to move the plant to a safe operating mode without triggering a shutdown. This paper examines how Large Language Model (LLM) agents can support such recovery decisions. The proposed framework treats the LLM as a constrained supervisory planner. It uses plant-specific knowledge to propose recovery actions, and every proposal is checked by an external validator (symbolic or simulation-based) before actuation. The paper develops three design dimensions for applying the framework: the recovery patterns for which LLM agents are useful, the validation strategies that separate admissible from inadmissible proposals, and the deployment constraints imposed by latency, knowledge engineering, safety integration, and model lifecycle management. To make the framework directly usable, two openly available executable Python environments are provided. Both re-implement established case studies, a modular mixing module and a continuous stirred-tank reactor, extended with configurable faults and defined interfaces for custom recovery and validation methods.
• Abstract（参考訳）: プロセスプラントの故障回復は、特に予め定義された監督ロジックの外に故障が発生した場合、プラントオペレーターに大きく依存している。 オペレータはアラーム、プロシージャ、P\&ID、インターロック、プロセストレンドを解釈し、シャットダウンを発生させることなく安全な操作モードに移行する方法を決定する。 本稿では,Large Language Model (LLM) エージェントがこのようなリカバリ決定をどのようにサポートするかを検討する。 提案フレームワークは,LSMを制約付き監督プランナとして扱う。 植物固有の知識を使ってリカバリ行動を提案し、全ての提案はアクティベーションの前に外部のバリデータ(シンボルまたはシミュレーションベース)によってチェックされる。 本稿では, LLM エージェントが有用である回復パターン, 許容できない提案から分離する検証戦略, 遅延, 知識工学, 安全統合, モデルライフサイクル管理による展開制約の3つを設計する。 フレームワークを直接使用可能にするため、2つのオープンに利用可能なPython環境が提供されている。 どちらも再実装されたケーススタディであり、モジュール混合モジュールと連続旋回タンクリアクターは、設定可能なフォールトとカスタムリカバリとバリデーションのためのインターフェースで拡張された。

関連論文リスト

• Agent Gym: A Framework for Continuous Evaluation and Evolution of LLM Agents Through Human-in-the-Loop Feedback [0.0]
  大きな言語モデル(LLM)エージェントは、基本的な緊張に直面します。エージェントの動作は、デプロイ時に凍結されますが、処理するビジネスルールとエッジケースは、進化し続けます。 既存のアプローチではエージェント構築とワンタイム評価を行うが、継続的デプロイ後の動作補正のための構造的メカニズムは提供しない。 我々はAgent Gymを紹介した。Agent Gymはモジュール型のドメインに依存しないフレームワークで、既存のLLMベースのエージェントを連続的な評価と進化のループでラップする。
  論文  参考訳（メタデータ） (2026-08-16T07:27:26Z)
• Formal Verification of Agentic Systems over Operational Data [59.98246281888422]
  大規模言語モデル(LLM)によって駆動されるエージェントシステムは、永続的な運用データを扱う現実世界にますます展開されている。 既存のアプローチはそのようなシステムレベルの保証を提供していません。 本稿では, 1 つの LLM とツールオーケストレーションハーネスからなるエージェントシステムのリレーショナル操作データに対する検証について述べる。
  論文  参考訳（メタデータ） (2026-08-04T13:01:30Z)
• From Detection to Action: Using LLM Agents for Fault-Tolerant Control [0.21313236831585222]
  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。
  論文  参考訳（メタデータ） (2026-06-26T12:13:58Z)
• Governance by Construction for Generalist Agents [7.48004748585128]
  このデモでは、CUGAのポリシ・アズ・コード・レイヤであるポリシ・アズ・コード・レイヤを紹介し、ジェネラリストエージェントと組み合わせて予測可能、監査可能、コンプライアンス対応の振る舞いを提供する。 実行の重要なすべての段階において、ポリシーの介入を強制するガバナンスアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2026-05-20T08:13:16Z)
• FAMA: Failure-Aware Meta-Agentic Framework for Open-Source LLMs in Interactive Tool Use Environments [60.3427704389541]
  大規模言語モデルは、自律エージェントの意思決定コアとして、ますます多くデプロイされている。 しかし、会話のベンチマークでは、誤った意思決定のカスケード効果のために、これらのエージェントは頻繁に失敗する。 これらの課題に対処するために、Failure-Aware Meta-Agenticフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-28T02:21:53Z)
• Decision-Centric Design for LLM Systems [3.400316337034188]
  我々は、意思決定関連信号を行動にマッピングする方針から分離する、意思決定中心のフレームワークを提案する。 この分離は、信号の推定、決定ポリシー、実行に対する失敗の帰結をサポートする。 3つの実験で、このフレームワークは無駄なアクションを減らし、タスクの成功を改善し、解釈可能な障害モードを明らかにします。
  論文  参考訳（メタデータ） (2026-04-01T02:57:23Z)
• Towards Verifiably Safe Tool Use for LLM Agents [53.55621104327779]
  大規模言語モデル(LLM)ベースのAIエージェントは、データソース、API、検索エンジン、コードサンドボックス、さらにはその他のエージェントなどのツールへのアクセスを可能にすることで、機能を拡張する。 LLMは意図しないツールインタラクションを起動し、機密データを漏洩したり、クリティカルレコードを上書きしたりするリスクを発生させる。 モデルベースセーフガードのようなリスクを軽減するための現在のアプローチは、エージェントの信頼性を高めるが、システムの安全性を保証することはできない。
  論文  参考訳（メタデータ） (2026-01-12T21:31:38Z)
• Monadic Context Engineering [59.95390010097654]
  本稿では,エージェント設計の正式な基盤を提供するために,モナディックコンテキストエンジニアリング(MCE)を紹介する。 我々は、モナドがロバストなコンポジションをどのように実現し、Applicativesが並列実行に原則化された構造を提供し、また、モナドトランスフォーマーがこれらの機能の体系的なコンポジションをどのように可能にしているかを実証する。 この階層化されたアプローチにより、開発者は、単純で独立した検証可能なコンポーネントから、複雑でレジリエントで効率的なAIエージェントを構築することができる。
  論文  参考訳（メタデータ） (2025-12-27T01:52:06Z)
• Building a Foundational Guardrail for General Agentic Systems via Synthetic Data [76.18834864749606]
  LLMエージェントは、計画段階で介入するマルチステップタスクを計画できる。 既存のガードレールは主にポスト・エグゼクティブ(英語版)を運用しており、スケーリングが困難であり、計画レベルで制御可能な監督を行う余地がほとんどない。 我々は、良性軌道を合成し、カテゴリーラベル付きリスクを困難に注入し、自動報酬モデルを介して出力をフィルタリングする制御可能なエンジンであるAuraGenを紹介する。
  論文  参考訳（メタデータ） (2025-10-10T18:42:32Z)
• 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)
• DRIFT: Dynamic Rule-Based Defense with Injection Isolation for Securing LLM Agents [52.92354372596197]
  大規模言語モデル(LLM)は、強力な推論と計画能力のため、エージェントシステムの中心となってきています。 この相互作用は、外部ソースからの悪意のある入力がエージェントの振る舞いを誤解させる可能性がある、インジェクション攻撃のリスクも引き起こす。 本稿では,信頼に値するエージェントシステムのための動的ルールベースの分離フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-13T05:01:09Z)
• 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)
• Compromising Embodied Agents with Contextual Backdoor Attacks [69.71630408822767]
  大型言語モデル(LLM)は、エンボディドインテリジェンスの発展に変化をもたらした。 本稿では,このプロセスにおけるバックドアセキュリティの重大な脅威を明らかにする。 ほんの少しの文脈的デモンストレーションを毒殺しただけで、攻撃者はブラックボックスLDMの文脈的環境を隠蔽することができる。
  論文  参考訳（メタデータ） (2024-08-06T01:20:12Z)

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。