論文の概要: PUDA: An AI-Native Hardware Harness for Self-Driving Laboratories
- arxiv url: http://arxiv.org/abs/2607.26464v1
- Date: Wed, 29 Jul 2026 04:36:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-30 21:06:25.540159
- Title: PUDA: An AI-Native Hardware Harness for Self-Driving Laboratories
- Title（参考訳）: PUDA: 自動運転ラボのためのAI指向ハードウェアハーネス
- Authors: Zekun Ren, Hongzhao Tan, Jiaen Yee, Kedar Hippalgaonkar,
- Abstract要約: 物理的統一デバイスアーキテクチャ(PUDA)は、自律型実験室(SDL)のためのAIネイティブハードウェアハーネスである。
人中心のグラフィカルユーザインターフェース(GUI)オーケストレーションを構築する代わりに、PUDAは、エージェントが実験を観察、監督、決定、行動するためのコマンドライン環境を作成する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Physical Unified Device Architecture (PUDA) is an AI-native hardware harness for self-driving laboratories (SDLs). Rather than building a human-centered graphical user interface (GUI) orchestration layer, PUDA creates a command-line runtime environment that lets agents observe, orient, decide, and act over experiments while hardware execution remains deterministic, atomic, and auditable. Headless by design, devices appear through discoverable command-line interfaces, JSON protocols are routed through a distributed messaging system, and command responses, data products, and reports are preserved as structured records. PUDA organizes protocols, runs, samples, measurements, and command logs into an AI-native data structure linked by run identifiers and timestamps, preserving provenance from submitted protocol through hardware response to resulting data products. PUDA separates scientific orchestration from physical operation and data telemetry: agents choose experiments, while PUDA executes validated commands and captures provenance-linked state, responses, and data. The contribution is not another optimizer, orchestrator, or recipe language. It is a practical execution and data environment for agentic SDLs; the broader physical AI implication is that PUDA provides an AI-native hardware harness for AI systems to interact with physical tools.
- Abstract（参考訳）: 物理的統一デバイスアーキテクチャ(Physical Unified Device Architecture、PUDA)は、AIネイティブハードウェアハーネスである。
PUDAは、人中心のグラフィカルユーザインターフェース(GUI)オーケストレーション層を構築するのではなく、エージェントが決定的、原子的、監査可能なハードウェア実行中、実験を観察、監視、決定、行動するためのコマンドラインランタイム環境を作成する。
設計上、デバイスは検出可能なコマンドラインインターフェースを介して現れ、JSONプロトコルは分散メッセージングシステムを介してルーティングされ、コマンド応答、データ製品、レポートは構造化されたレコードとして保存される。
PUDAは、プロトコル、実行、サンプル、測定、コマンドログを、実行識別子とタイムスタンプによってリンクされたAIネイティブなデータ構造に整理し、結果のデータ製品に対するハードウェアレスポンスを通じて、送信されたプロトコルからの証明を保存する。
PUDAは物理的操作とデータテレメトリから科学的オーケストレーションを分離し、エージェントは実験を選択し、PUDAは検証されたコマンドを実行し、証明された状態、応答、データをキャプチャする。
コントリビューションは、他のオプティマイザやオーケストレータ、レシピ言語ではない。
エージェントSDLの実践的な実行とデータ環境であり、より広範な物理AIの示唆は、PUDAがAIシステムが物理的なツールと対話するための、AIネイティブなハードウェアハーネスを提供するということだ。
関連論文リスト
- 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) - 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) - GENESIS: Harnessing AI Agents for Autonomous 6G RAN Synthesis, Research, and Testing [13.436656977622691]
大規模言語モデル(LLM)は、一般的なソフトウェア工学における同等のR&D作業を数日から数分で圧縮した。
本稿では,エージェント人工知能(AI)フレームワークであるgenESISについて述べる。
論文 参考訳（メタデータ） (2026-05-26T17:58:43Z) - Advanced AI Service Provisioning in O-RAN through LLM Engine Integration [7.186017194297505]
Open Radio Access Network (O-RAN)は、モジュール型のxAppsとrAppsを通じて、AIを直接RANに組み込むことを可能にする。
LLMベースのオーケストレータ演算子をデータ収集ポリシやデプロイメントコードに意図した,概念実証のDual-Brainアーキテクチャを提案する。
アーキテクチャとプロビジョニングのワークフローを説明し、コンテナ化されたO-RAN 5GSAテストベッドから実践的な洞察を共有し、オープンな研究の方向性について議論する。
論文 参考訳（メタデータ） (2026-05-22T16:12:39Z) - Agentic Agile-V: From Vibe Coding to Verified Engineering in Software and Hardware Development [0.0]
エージェントAIコーディングシステムは、リポジトリを検査し、実装手順を計画し、ファイルを編集し、テストを実行し、プルリクエストを送信できる。
現在の証拠は、自律的なコード生成がエンジニアリングの結果を自動的に改善するという単純な主張を支持していない。
この論文は、中心的な問題は、もはや迅速なエンジニアリングではなく、エンジニアリングプロセスの制御である、と論じている。
論文 参考訳（メタデータ） (2026-05-19T20:10:13Z) - 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) - 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) - A global log for medical AI [24.45124603301646]
臨床AIのイベントレベルロギングのためのプロトコルであるMedLogを紹介する。
MedLogはリスクベースのサンプリング、ライフサイクル対応の保持ポリシ、書き込みバインドキャッシュをサポートする。
MedLogレコードの保存と解析を行う新しいデータベースとソフトウェアの開発を触媒する。
論文 参考訳（メタデータ） (2025-10-05T04:52:26Z) - Using the Abstract Computer Architecture Description Language to Model
AI Hardware Accelerators [77.89070422157178]
AI統合製品の製造者は、製品のパフォーマンス要件に適合するアクセラレータを選択するという、重大な課題に直面します。
抽象コンピュータアーキテクチャ記述言語(ACADL)は、コンピュータアーキテクチャブロック図の簡潔な形式化である。
本稿では,AIハードウェアアクセラレーションのモデル化にACADLを用いること,DNNのマッピングにACADL記述を使用し,タイミングシミュレーションのセマンティクスを解説し,性能評価結果の収集を行う。
論文 参考訳（メタデータ） (2024-01-30T19:27:16Z) - SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。
しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文 参考訳（メタデータ） (2021-12-22T14:45:37Z)
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。