論文の概要: AEGIS: Assay-Aware Protocol Validation and Runtime Monitoring for Open-Source Liquid Handling Robots

• arxiv url: http://arxiv.org/abs/2607.15620v1
• Date: Fri, 17 Jul 2026 04:39:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-20 17:56:52.749706
• Title: AEGIS: Assay-Aware Protocol Validation and Runtime Monitoring for Open-Source Liquid Handling Robots
• Title（参考訳）: AEGIS:オープンソースの液体処理ロボットのプロトコル検証と実行監視
• Abstract要約: 本稿では,オープンソースの液体ハンドラの2層保護体であるAEGISを紹介する。 OT-2 Python コードに原因がある LLM による機械可読性アッセイルールデータベース。 レイヤ2はPCAワールドモデルとYOLOクロッピングされた4フレームのピペットトラジェクトリに適合する。
• 参考スコア（独自算出の注目度）: 5.085084241476424
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Self-driving laboratories increasingly rely on low-cost liquid handlers such as the Opentrons OT-2, which ship without the pressure-based aspiration monitoring of Hamilton or Tecan systems and are typically run open-loop. Two failure modes go undetected: protocols that are syntactically valid but violate assay-specific invariants (e.g., tip reuse between a PCR template and a no-template control), and physical execution failures (partial dispense, air bubbles, missing tips) at runtime. We present AEGIS, a two-layer guardian for both. Layer 1 pairs a curated machine-readable assay rule database with an LLM that reasons over OT-2 Python code, reaching an adjusted F1 of 0.97 on a 24-protocol benchmark across five assay families and beating rules-only and LLM-only ablations across five backends; a free open-weight model ties the best proprietary one, so no paid API is required. Layer 2 fits a PCA world model to YOLO-cropped four-frame pipette trajectories; under a leakage-free leave-one-plate-out evaluation it reaches average precision 0.89 and operating-point F1 0.71 (AUROC 0.80), a deployment-faithful number that matches the live demonstration, and we characterize the small-pipette (p20) resolution limit (F1 0.47). A live demonstration on a physical OT-2 (five replicates per condition) catches planted no-tip failures deterministically and partial dispense on coloured dyes, with an always-VLM self-vote gate lifting partial-dispense recall to 5/5; transparent water is a principled limit of any front-view-only monitor, which AEGIS surfaces as low-confidence VLM reasoning rather than a wrong verdict. Cascade triage holds VLM cost near $1.63 per plate versus $10.33 for an always-VLM baseline. AEGIS is open source and, to our knowledge, the first system to unify pre-flight assay-aware validation with runtime visual monitoring for an open-source liquid handler.
• Abstract（参考訳）: 自動運転研究所は、ハミルトンやテカンシステムの圧力による吸引監視を伴わずに出荷されるOpentrons OT-2のような低コストの液体ハンドラをますます頼りにしており、通常はオープンループを走らせている。 構文的に有効だがアッセイ固有の不変性(PCRテンプレートと非テンプレートコントロール間のチップ再利用など)に違反するプロトコルと、実行時の物理的実行障害(部分ディスペンサー、気泡、欠落チップ)である。 AEGISはどちらも二層保護体である。 Layer 1は、マシン可読なアサージルールデータベースと、OT-2 Pythonコードよりも高い理由をLLMとペアリングし、5つのアサージファミリにわたる24プロトコールベンチマークで0.97の調整済みF1に達し、5つのバックエンドでルールのみとLLMのみのアブリケーションを破り、フリーなオープンウェイトモデルが最高のプロプライエタリなものと結びついているので、有料APIは不要である。 レイヤ2は,PCAワールドモデルとYOLOクロッピングされた4フレームのピペットトラジェクトリに適合し,リークフリーのLeft-one-out評価では平均精度0.89,オペレーティングポイントF1 0.71(AUROC 0.80)に到達し,実演にマッチする展開信頼数,小型ピペット(p20)解像度限界(F1 0.47)を特徴付ける。 物理OT-2(条件ごとの5つの複製)のライブデモでは、色のついた染料を確定的に部分的に欠落させ、常にVLMのセルフボイトゲートで部分的なディスペンシングリコールを5/5まで引き上げ、透明な水は、フロントビューのみのモニターの原則的な限界であり、AIGISは誤った判定ではなく、低信頼のVLM推論として表面化している。 カスケード・トリアージは、常にVLMのベースラインが10.33ドルであるのに対して、VLMの価格は1プレートあたり約1.63ドルである。 AEGISはオープンソースであり、我々の知る限り、オープンソースの液体ハンドラのための実行時視覚監視と飛行前診断の検証を統合する最初のシステムである。

関連論文リスト

• TriCalRAG: A Three-Strategy, Retrieval-Augmented Benchmark for On-Premise LLM-Based Root Cause Analysis in AIOps [1.8136615181861766]
  クラウドホスト型大規模言語モデル(LLM)は、AIOpsパイプラインの根本原因分析(RCA)にますます使用されている。 データプライバシのリスク、ネットワークレイテンシ、および運用ログボリュームの低いクエリ単位のコストを導入している。 我々は,従来のLSTMを用いたログ異常検出器に対して,vLLMを介して局所的に提供されるオープンウェイトの評価ベンチマークであるRAGを提示する。
  論文  参考訳（メタデータ） (2026-09-13T19:52:46Z)
• TRACE: A Multi-Layer Benchmark for Human AI Controller Coordination Under Drift and Failure [0.0]
  現代のサイバー物理およびAI支援システムは、人間のオペレータ、AI決定モジュール、自動コントローラを単一の制御ループで結合する。 標準ベンチマークでは、これらのレイヤ間でドリフトと障害がどのように伝播するかの、タイムアラインなマルチレイヤトレースをキャプチャしない。 ALFREDは,日常的な家庭内課題に対する基礎的な指導基準である。
  論文  参考訳（メタデータ） (2026-08-07T00:03:55Z)
• Adversarially Robust Abductive Fusion of Pre-trained Transformer-based Perception Models [5.574264082008515]
  従来のメタ認知的手法は、モデルのエラーを示す論理ルールを学習するが、手書きのドメイン知識に頼っている。 このメタ認知層はベクトル空間幾何学を利用してドメインの知識を使わずに学習可能であることを示す。 アプローチはニューロシンボリックであるため、これらのルールは単一の論理的枠組みを共有しており、利用可能なドメイン知識によって補完することができる。
  論文  参考訳（メタデータ） (2026-08-04T19:46:57Z)
• Real-Time Source-Free Object Detection [40.10658212485104]
  自律運転、監視、ロボットのための現実世界の検出器は、厳格なレイテンシとメモリ制約の下でドメインシフトを処理しなければならない。 我々は,NMSフリーなデュアルヘッド検出器であるYOLOv10上に構築することで,より高速かつコンパクトに,最先端の適応精度が得られることを示す。
  論文  参考訳（メタデータ） (2026-06-30T15:38:56Z)
• How VLAs Fail Differently: Black-Box Action Monitoring Reveals Architecture-Specific Failure Signatures [0.0]
  VLAアーキテクチャは、モーター・コマンドレベルで根本的に異なる予測可能な方法で失敗する。 我々は、よく知られた離散/連続的なVLAの区別の結果を定量化する。
  論文  参考訳（メタデータ） (2026-05-27T16:44:55Z)
• Quantum Machine Learning for Cyber-Physical Anomaly Detection in Unmanned Aerial Vehicles: A Leakage-Free Evaluation with Proxy-Audited Feature Sets [0.0]
  無人航空機(英語: Unmanned Aviation Vehicle、UAV)は、ネットワーク化されたアビオニクスとオンボードセンサー融合にまたがるサイバー物理システムである。 マルチセンサTLM:UAVベンチマークを用いて,UAV異常検出のための量子機械学習のリークフリー評価を行う。
  論文  参考訳（メタデータ） (2026-05-19T01:05:16Z)
• SieveFL: Hierarchical Runtime-Aware Pruning for Scalable LLM-Based Fault Localization [0.0]
  自動障害ローカライゼーションは、観測されたテスト失敗を数千の候補にわたる責任あるメソッドに接続する必要がある。 攻撃的なLLM前フィルタリングによってこの緊張を解消する5段階階層型フレームワークであるSieveFLを提案する。
  論文  参考訳（メタデータ） (2026-05-13T13:16:41Z)
• Zero-Shot Retail Theft Detection via Orchestrated Vision Models: A Model-Agnostic, Cost-Effective Alternative to Trained Single-Model Systems [0.0]
  Pazaはゼロショットの小売盗難検出フレームワークで、モデルをトレーニングすることなく、実用的な隠蔽検出を実現する。 当社のアプローチでは,動作前フィルタのトリガ時にのみ,高価な視覚言語モデル(VLM)を起動することで,複数の既存モデルを階層パイプラインでオーケストレーションする。 本稿では,1店舗あたり50～100ドル/月(商用代替品の3～10倍安い)の生存可能性を示す詳細なコストモデルを提案する。
  論文  参考訳（メタデータ） (2026-04-16T10:32:20Z)
• A1: A Fully Transparent Open-Source, Adaptive and Efficient Truncated Vision-Language-Action Model [112.9420001646428]
  VLA(Vision-Language-Action)モデルは、オープンワールドロボット操作の強力なパラダイムとして登場したが、実際の展開はコストに制約されることが多い。 我々は、低コストで高スループットな推論のために設計された、完全にオープンソースで透明なVLAフレームワークであるA1を提示する。 A1は最先端の成功率を達成すると同時に、推論コストを大幅に削減する。
  論文  参考訳（メタデータ） (2026-04-07T10:18:40Z)
• LLM Readiness Harness: Evaluation, Observability, and CI Gates for LLM/RAG Applications [51.56484100374058]
  評価をデプロイメント決定ワークフローに変換するLLMおよびRAGアプリケーションのための準備性ハーネスを提案する。 このシステムは、最小限のAPI契約の下で、自動ベンチマーク、OpenTelemetryオブザーバビリティ、CI品質ゲートを組み合わせる。 チケットルーティングとBEIRタスクのハーネスを、完全なAzureマトリックスカバレッジで評価する。
  論文  参考訳（メタデータ） (2026-03-28T18:03:32Z)
• A Lightweight Defense Mechanism against Next Generation of Phishing Emails using Distilled Attention-Augmented BiLSTM [34.0814379994364]
  MobileBERTの教師は、BiLSTMモデルに変形する前に微調整を受け、多面的な注意を払っている。 このシステムは、コンパクトなサイズを維持しながら、精度とレイテンシの点で優れた性能を示す。 本稿では,高交通条件下でのシステム性能とプライバシ保護のためのセキュリティ対策,運用展開のための実装方法について検討する。
  論文  参考訳（メタデータ） (2026-02-24T20:06:45Z)
• PRISM: Performer RS-IMLE for Single-pass Multisensory Imitation Learning [51.24484551729328]
  PRISMは,IMLEのバッチ・グロバル・リジェクション・サンプリングに基づく単一パスポリシーである。 PRISMは、Performerアーキテクチャを用いた線形アテンション発生器と時間的マルチセンサエンコーダを結合する。 7-DoFアームD1を搭載したUnitree Go2を用いたロコマニピュレーションやUR5マニピュレータを用いたテーブルトップ操作など,PRISMの有効性を実証する。
  論文  参考訳（メタデータ） (2026-02-02T17:57:37Z)
• Plug-and-Play Benchmarking of Reinforcement Learning Algorithms for Large-Scale Flow Control [61.155940786140455]
  強化学習(RL)は,アクティブフロー制御(AFC)において有望な結果を示した。 現在のAFCベンチマークは、外部計算流体力学(CFD)の解法に依存しており、完全には微分不可能であり、3Dとマルチエージェントのサポートが限られている。 AFCにおけるRLのための最初のスタンドアロンで完全に差別化可能なベンチマークスイートであるFluidGymを紹介する。
  論文  参考訳（メタデータ） (2026-01-21T14:13:44Z)
• Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
  生成のための教師なし共形推論フレームワークを提案する。 我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。 その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
  論文  参考訳（メタデータ） (2025-09-26T23:40:47Z)

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。