論文の概要: Towards an Intention Abstraction Layer for Autonomous Industrial Systems
- arxiv url: http://arxiv.org/abs/2607.14553v1
- Date: Thu, 16 Jul 2026 04:31:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-17 17:01:32.98452
- Title: Towards an Intention Abstraction Layer for Autonomous Industrial Systems
- Title（参考訳）: 自律型産業システムのための意図抽象化層を目指して
- Abstract要約: 高レベルの人間の意図は、低レベルの制御ロジックに変換され、破棄される。
実行中のコンポーネントが、実際に意図されたことを実行しているかどうかを判断できず、目標が失敗したり、シャットダウンされた後にのみ、目標の衝突が表面化します。
Intention Abstraction Layer (IAL) は、意図を第一級、永続的で説明可能なランタイムオブジェクトとして表現するドメイン固有性である。
- 参考スコア（独自算出の注目度）: 0.12744523252873352
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern industrial environments increasingly run many autonomous subsystems at once - schedulers, energy managers, vehicle fleets - each pursuing its own goals while sharing the same physical resources. Because high-level human intentions are translated into low-level control logic and then discarded, no running component can tell whether it is still doing what was actually intended, and goal conflicts surface only after they have caused a missed target or a shutdown. We propose the Intention Abstraction Layer (IAL), a domainagnostic middleware that represents intentions as first-class, persistent, and explainable runtime objects: a large language model grounded in a formal OWL ontology parses naturallanguage goals into structured intentions, a consistency monitor detects conflicts at registration time, before execution, and a transparency module explains them in natural language. We report a first proof of concept in which two autonomous agents register conflicting production and energy intentions, and the IAL flags and explains the conflict before it reaches the execution layer. The result is a mechanism that shifts behavioral assurance for cooperating autonomous systems from post-hoc failure analysis to pre-execution, intention-level checking.
- Abstract（参考訳）: 現代の産業環境は、スケジューラ、エネルギーマネージャ、車両艦隊など、多くの自律的なサブシステムを同時に運用し、それぞれが同じ物理的リソースを共有しながら独自の目標を追求している。
高レベルの人間の意図が低レベルの制御ロジックに変換されて破棄されるため、実行中のコンポーネントが実際に意図されたことをしているかどうかを判断することはできず、目標の衝突は目標が失敗したりシャットダウンされた後にのみ発生する。
Intention Abstraction Layer (IAL) は、意図を第一級、永続的で説明可能なランタイムオブジェクトとして表現する、ドメインに依存しないミドルウェアである: 形式的なOWLオントロジーに基礎を置く大きな言語モデルは、自然言語の目標を構造化された意図にパースし、一貫性モニタは、実行前に登録時に競合を検出する。
2人の自律的エージェントが競合する生産とエネルギーの意図を登録する最初の概念実証を報告し、実行層に到達する前に対立を説明する。
その結果、自律システムの協調動作を保証するメカニズムが、ホット後の障害分析から、事前実行、意図レベルのチェックへとシフトする。
関連論文リスト
- Skynet: Workflow-Level Anomaly Detection for Agentic AI via Semantic and Structural Modeling [31.732010254379052]
エージェントAIシステムは、計画、ツール使用、マルチエージェント調整を通じて複雑なタスクを実行する。
既存の防御は特定の攻撃や失敗を標的にするか、個別のプロンプトやステップを個別に検査する。
我々は、観察されたマルチエージェント実行を指向するワークフローグラフに変換する、原則化された異常検出フレームワークであるSkynetを紹介する。
論文 参考訳（メタデータ） (2026-09-06T21:16:42Z) - Operational Hallucination and Safety Drift in AI Agents [0.3823356975862005]
ツール使用自律エージェントのプランナーとして機能する大規模言語モデル(LLM)は、マルチターン実行における動的信頼性のリスクを導入する。
本稿では,複数のLLM(Safety Drift)とOperational Hallucination(Operational Hallucination)の2つの障害モードを実証的に特徴付ける。
本稿では、インテント-アクション整合性チェック、状態追跡、強制終了プリミティブを組み込んだ、軽量でプラグ&プレイのアーキテクチャ青写真であるAction-Aware Supervision Layerを提案する。
論文 参考訳（メタデータ） (2026-07-20T17:01:50Z) - PhyAgentOS: A Self-Evolving Operating System for Embodied Agents with Decoupled Cognitive Planning and Physical Execution [49.776611937968]
我々は、スケジューリング、検証、メモリ、ベンチマーク、安全性をシステムレベルのサービスとして提供するPhyAgentOSを紹介します。
セッション中心のセッションは、スケジューリング、互換性、監督された実行、エビデンス収集、受け入れの最小単位として、アクションではなくセッションを扱う。
SessionVerifierは、実行終了とセマンティックタスク完了を、成功、失敗、または再計画のエビデンスに基づいて判断する。
ベンチマークはデプロイメントセッションと検証パスを再利用するので、結果は実際の実行に遡る。
論文 参考訳（メタデータ） (2026-07-18T04:46:53Z) - Provably Secure Agent Guardrail [89.79561918065122]
既存の防衛アーキテクチャは経験的セマンティックガードレールと確率論的大モデル調整器に依存している。
本稿では,論理的推論の基本的制約に基づくエージェントのための新しいセキュリティパラダイムを提案する。
論文 参考訳（メタデータ） (2026-05-28T02:12:41Z) - PRTS: A Primitive Reasoning and Tasking System via Contrastive Representations [66.94988600664574]
我々は,目標達成型強化学習を通じて事前学習を再構築するVLA基盤モデルであるtextbfPRTS(textbfPrimitive textbfReasoning and textbfTasking textbfSystem)を提案する。
論文 参考訳（メタデータ） (2026-04-30T06:14:02Z) - OFlow: Injecting Object-Aware Temporal Flow Matching for Robust Robotic Manipulation [55.56490813640669]
VLAモデルは典型的には現在のフレームにのみ作用するが、将来の予測とオブジェクト認識推論は別々の潜在空間でしばしば学習される。
本稿では,時間的フォアシークエンスとオブジェクト認識推論を共通化することで,制約に対処するフレームワークOFlowを提案する。
提案手法は, 時間的フローマッチングを用いて将来の潜伏者を予測し, 物理的に関係のある手がかりを強調するオブジェクト認識表現に分解する。
論文 参考訳（メタデータ） (2026-04-20T06:38:01Z) - The Cartesian Cut in Agentic AI [0.2578242050187029]
中心的な設計レバーは、制御がこれらのシステムに存在する場所である、と我々は主張する。
脳は、アクションの結果によって調整された階層化されたフィードバックコントローラ内に予測を埋め込む。
我々は、自律性、堅牢性、監視のトレードオフを制御するための対照的なアプローチとして、有界サービス、カルテ人エージェント、統合エージェントを概説した。
論文 参考訳（メタデータ） (2026-04-09T03:03:06Z) - A Physical Agentic Loop for Language-Guided Grasping with Execution-State Monitoring [5.437966695589128]
我々は、接地された実行状態上で動作する有界な実施エージェントとして言語誘導の把握を再構築する。
未修正の学習操作プリミティブをラップする物理エージェントループを導入する。
眼内カメラD405を用いた移動マニピュレータのループを検証した。
論文 参考訳（メタデータ） (2026-04-08T08:01:35Z) - Vision-Language-Action Models for Autonomous Driving: Past, Present, and Future [125.92052530850425]
VLA(Vision-Language-Action)フレームワークは、認識と言語に基づく意思決定を統合する。
VLAフレームワークは、より解釈可能で、一般化可能で、人間に準拠した運転ポリシーへの道筋を提供する。
この研究は、人間と互換性のある自動運転システムを構築するための一貫性のある基盤を確立することを目的としている。
論文 参考訳（メタデータ） (2025-12-18T16:57:44Z) - Executable Analytic Concepts as the Missing Link Between VLM Insight and Precise Manipulation [70.8381970762877]
VLM(Vision-Language Models)は、セマンティック推論とタスク計画において顕著な能力を示す。
本稿では,VLMに基づく推論を実行可能な解析概念を通じて基礎づける新しいフレームワークであるGRACEを紹介する。
G GRACEは高レベル命令理解と低レベルロボット制御の統一的で解釈可能なインターフェースを提供する。
論文 参考訳（メタデータ） (2025-10-09T09:08:33Z) - See No Evil: Adversarial Attacks Against Linguistic-Visual Association in Referring Multi-Object Tracking Systems [21.34084466103555]
本稿では,RMOTモデルの参照マッチング機構の統一化を阻止する新しい逆向きフレームワークVEILを提案する。
デジタル・物理的摂動は追跡ロジックの信頼性を損なう可能性を示し、トラックIDスイッチや用語を誘導する。
論文 参考訳（メタデータ） (2025-09-02T07:17:32Z) - Probing a Vision-Language-Action Model for Symbolic States and Integration into a Cognitive Architecture [6.319871822298699]
我々はOpenVLAの隠された層を探索し、オブジェクトの特性、関係、動作状態の象徴的表現を明らかにする。
実時間状態監視にこれらのシンボル表現を利用する統合DIARC-OpenVLAシステムについて述べる。
論文 参考訳（メタデータ） (2025-02-06T23:11:11Z) - DECIDER: A Dual-System Rule-Controllable Decoding Framework for Language Generation [57.07295906718989]
制約付き復号法は,事前訓練された大言語(Ms と PLMs)が生成するテキストの意味やスタイルを,推論時に様々なタスクに対して制御することを目的としている。
これらの方法は、しばしば、欲求的かつ明示的にターゲットを選択することによって、もっともらしい連続を導く。
認知二重プロセス理論に着想を得て,新しい復号化フレームワークDECDERを提案する。
論文 参考訳（メタデータ） (2024-03-04T11:49:08Z)
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。