論文の概要: A Self-Evolving Agentic System for Automated Generation and Execution of Biological Protocols
- arxiv url: http://arxiv.org/abs/2606.31763v2
- Date: Thu, 02 Jul 2026 09:27:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-03 19:45:08.502198
- Title: A Self-Evolving Agentic System for Automated Generation and Execution of Biological Protocols
- Title（参考訳）: 生物プロトコルの自動生成と実行のための自己進化型エージェントシステム
- Abstract要約: ProtoPilotは、ウェットラブ自動化のための自己進化型マルチエージェントシステムである。
レイヤワイドの検証性、マルチエージェントオーケストレーション、およびプロトコルを生成するためのランタイムスキル更新ライブラリが組み込まれている。
これは90.2%、プロトコル・トコードゲートパス89.5%、Opentronsパス88.24%を達成している。
- 参考スコア（独自算出の注目度）: 26.510927882022884
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous wet-lab experimentation requires more than plausible protocol text: biological intent, quantitative procedures, device constraints and experimental feedback must remain aligned from protocol and SOP design to code and physical execution. We developed ProtoPilot, a self-evolving multi-agent system, together with an expert-grounded benchmark and evaluation framework for testing this conversion as an experimental automation problem. The framework spans 294 synthetic-biology and molecular-biology tasks derived from 98 gold-standard protocols, wet-lab expert rubrics, device-level validity gates and real experimental tests. ProtoPilot incorporates layer-wise verifiability, multi-agent orchestration and a runtime-updated skill library to generate protocols, expand SOPs, synthesize SDK-compliant code and revise workflows from wet-lab feedback. It achieved a Top@3 expert-preference rate of 90.2%, an overall protocol-to-code gate pass rate of 89.5% and an Opentrons pass rate of 88.24%, compared with 32.35% for OpenTrons-AI. Wet-lab validation produced interpretable readouts, Sanger-confirmed products and feedback-corrected PCA-assembled DNA targets, establishing a verifiable route to autonomous experimentation. Together, these results show that the evaluation framework captures execution-relevant requirements for autonomous wet-lab automation, and that ProtoPilot can meet them by converting protocol and code generation into validated execution and feedback-guided revision.
- Abstract（参考訳）: 生物学的意図、定量的手順、デバイス制約、実験的なフィードバックは、プロトコルやSOP設計からコードや物理実行まで整合性を保つ必要がある。
我々は,自己進化型マルチエージェントシステムであるProtoPilotと,この変換を実験自動化問題としてテストするための専門家によるベンチマークと評価フレームワークを開発した。
このフレームワークは、98の金標準プロトコル、ウェットラブの専門家ルーリック、デバイスレベルの妥当性ゲート、実際の実験から派生した294の合成生物学および分子生物学のタスクにまたがる。
ProtoPilotには、レイヤワイドの検証性、マルチエージェントオーケストレーション、ランタイム更新されたスキルライブラリが含まれており、プロトコルの生成、SOPの拡張、SDK準拠のコード合成、ウェットラブフィードバックからのワークフローの修正などが行われている。
OpenTrons-AI では 32.35% に対して Opentrons では 88.24% であった。
ウェットラブ検証は解釈可能な読み出し、サンガー確認製品、フィードバック補正されたPCA組立てDNAターゲットを生成し、自律的な実験への道のりを確立した。
これらの結果から,評価フレームワークは自動ウェットラブ自動化の実行関連要件を捉え,ProtoPilotはプロトコルとコード生成を検証済みの実行とフィードバック誘導のリビジョンに変換することで,それらを満たすことができることがわかった。
関連論文リスト
- DianShi-RxnDB: A Large-Scale, Fine-Grained Organic Reaction Data Platform Built via a Fully Automated Pipeline for Researchers and AI Agents [77.19284650368924]
大規模できめ細かい有機反応データプラットフォームであるDianShi-RxnDBについて述べる。
完全に自動化された抽出と正規化パイプラインを通じて構築される。
このプラットフォームは、検索、フィルタリング、比較、およびソース検証レコードのためのWebリサーチワークベンチを提供する。
論文 参考訳（メタデータ） (2026-09-06T16:20:43Z) - ProtoAct: Turning Wet-Lab Protocols into Embodied Robotic Actions [21.45755897337409]
本稿では,自由形態の生物学的手順をステートアウェアなエンボディメント対応アクションシーケンスに変換する,構造化されたプロトコル基底フレームワークProtoActを提案する。
ProtoActはProtoRAGを使用してコンテキスト依存構文解析のアノテーション付き例を手作業で検索し、RefineCheckerを使用して、不足したステップや一貫性のないステップを検出し、修正し、Actを適用して、洗練された手順を制約付き関数シーケンスにマッピングする。
論文 参考訳（メタデータ） (2026-08-03T04:39:01Z) - Dual-Agent Framework for Cross-Model Verified Translation of Natural-Language Protocols into Robotic Laboratory Platform [1.0499611180329804]
本研究では,自然言語プロトコルを実行可能な制御コマンドに変換するエージェントベースのプロトコル翻訳フレームワークを提案する。
提案するフレームワークは、自然言語プロトコルとマイクロプレートベースの自動運転研究所間のセマンティックギャップを狭めるための柔軟なアプローチを提供する。
論文 参考訳（メタデータ） (2026-06-18T11:43:27Z) - LabVLA: Grounding Vision-Language-Action Models in Scientific Laboratories [95.20367571157679]
Vision-Language-Action (VLA) モデルは、記述されたプロトコルとロボット実行の間の1つの可能なインターフェースを提供する。
既存の政策は、主に家庭やテーブルトップのデモンストレーションに基づいて訓練されており、機器、透明な液体、または科学実験室で見られる固定されたプロトコルに遭遇することは滅多にない。
まず、Qwen3-VL-4B-インストラクションバックボーンアクションを学習する前に認識させ、フローマッチング後トレーニングを行い、次に知識絶縁下でDiTアクションエキスパートをアタッチする。
論文 参考訳（メタデータ） (2026-06-11T17:03:53Z) - From Prompts to Protocols: An AI Agent for Laboratory Automation [1.9609766210591626]
大規模な言語モデルと実験室オーケストレーションを統合したAIエージェントアーキテクチャを提案する。
AIエージェントは、自動検証とエラー訂正を備えたエージェントループの下で動作する。
プロトコルの作成、両方のプロトコルの実行と監視、クローズドループ最適化キャンペーンなど、完全な実験ライフサイクルをサポートする。
論文 参考訳（メタデータ） (2026-05-15T18:52:41Z) - Towards a Virtual Neuroscientist: Autonomous Neuroimaging Analysis via Multi-Agent Collaboration [53.772014300855375]
我々は,自律型エンドツーエンド神経画像解析のためのマルチエージェントシステムであるNIAgentを紹介する。
従来のフラットなツール呼び出しエージェントとは異なり、NIAgentはコード中心の実行パラダイムを採用している。
本稿では,コホートレベルの検定とエージェント視覚検査を組み合わせた,自律的品質管理のための階層的検証フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-10T06:30:19Z) - BioProVLA-Agent: An Affordable, Protocol-Driven, Vision-Enhanced VLA-Enabled Embodied Multi-Agent System with Closed-Loop-Capable Reasoning for Biological Laboratory Manipulation [15.461936066333633]
BioProVLA-Agent(バイオプロVLA-Agent)は、生物学的操作のためのプロトコル駆動型、ビジョン駆動型多エージェントシステムである。
クローズドループワークフローでは、プロトコル解析、視覚的状態検証、具体的実行を統合している。
本研究では,15の原子タスク,6つの複合タスク,3つのバイマニュアルタスクを網羅した階層的ベンチマークによるシステム評価を行った。
論文 参考訳（メタデータ） (2026-05-08T06:15:40Z) - LightStim: A Framework for QEC Protocol Evaluation and Prototyping with Automated DEM Construction [15.182225662071167]
本稿では,DEM構築を回路コンパイルと同時に自動化するフレームワークであるLightStimを紹介する。
メモリ実験からエンド・ツー・エンドの蒸留回路までのプロトコル間でLightStimをベンチマークする。
さらに新しいプロトコルの探索を加速し、新しい異種クロスコード格子手術設計を通じてそれを実証する。
論文 参考訳（メタデータ） (2026-04-23T09:30:00Z) - Autogenesis: A Self-Evolving Agent Protocol [60.15939127351914]
本稿では,自己進化プロトコルであるAutogenesis Protocol(AGP)を紹介する。
本稿では,実行中のプロトコル登録リソースを動的にインスタンス化し,検索し,精錬する自己進化型マルチエージェントシステムAGSを提案する。
論文 参考訳（メタデータ） (2026-04-16T14:04:06Z) - PRISM: Protocol Refinement through Intelligent Simulation Modeling [4.839327116611717]
本稿では,実験プロトコルの設計,検証,実行を自動化するフレームワークであるPRISMを紹介する。
PRISMは言語モデルに基づくエージェントのセットを使用し、共同で実験的なステップを生成し、洗練する。
我々は、PRISMを言語ベースのプロトコル生成、シミュレーションベースの検証、自動ロボット実行をブリッジする実用的なエンドツーエンドワークフローとして実証する。
論文 参考訳（メタデータ） (2026-01-08T20:15:28Z) - DrugPilot: LLM-based Parameterized Reasoning Agent for Drug Discovery [54.79763887844838]
大規模言語モデル(LLM)と自律エージェントの統合は、自動推論とタスク実行を通じて科学的発見を促進する大きな可能性を秘めている。
本稿では,薬物発見におけるエンドツーエンド科学のために設計されたパラメータ化推論アーキテクチャを備えたLSMベースのエージェントシステムであるDrarmPilotを紹介する。
DrugPilot は ReAct や LoT のような最先端のエージェントよりも優れており、タスク完了率は98.0%、93.5%、64.0%である。
論文 参考訳（メタデータ） (2025-05-20T05:18:15Z) - SOEN-101: Code Generation by Emulating Software Process Models Using Large Language Model Agents [50.82665351100067]
FlowGenは、複数のLarge Language Model (LLM)エージェントに基づいたソフトウェアプロセスモデルをエミュレートするコード生成フレームワークである。
FlowGenScrumをHumanEval、HumanEval-ET、MBPP、MBPP-ETの4つのベンチマークで評価した。
論文 参考訳（メタデータ） (2024-03-23T14:04:48Z)
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。