論文の概要: Retrieval-grounded robot program generation and simulation-based correction via Model Context Protocol

• arxiv url: http://arxiv.org/abs/2608.21417v1
• Date: Thu, 13 Aug 2026 15:57:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 05:49:59.240816
• Title: Retrieval-grounded robot program generation and simulation-based correction via Model Context Protocol
• Title（参考訳）: モデルコンテキストプロトコルによる検索型ロボットプログラムの生成とシミュレーションに基づく修正
• Abstract要約: 本稿では,ABB RAPIDロボットプログラムの生成,検証,反復修正を行う言語モデルに基づくワークフローを提案する。 デュアルストリーム検索拡張生成パイプラインは、検証済みの技術ドキュメントとプロダクションテンプレートでコード生成を基盤とする。 カスタムモデルコンテキストプロトコルサーバは、自動コードアップロード、シミュレーション実行、診断フィードバックのために、言語モデルクライアントを直接ABB RobotStudioに接続する。
• 参考スコア（独自算出の注目度）: 3.9194485785481423
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Flexible manufacturing requires industrial robots to be reprogrammed rapidly as product variants change. This paper presents a language-model-based workflow that generates, validates, and iteratively corrects ABB RAPID robot programs from natural language task descriptions. A dual-stream retrieval-augmented generation (RAG) pipeline grounds code generation in verified technical documentation and production templates, reducing domain-specific errors produced by ungrounded language models. A custom Model Context Protocol (MCP) server connects the language-model client directly to ABB RobotStudio for automated code upload, simulation execution, and diagnostic feedback. The evaluation combines a 30-query retrieval benchmark, scoped code-generation checks, and RobotStudio case studies in a simulated pickand- place manufacturing cell. The simulation loop exposes execution failures that static and semantic checks alone cannot catch, including suction release-height errors, unreachable placement targets, and configuration-dependent recovery motions. The results show how RAG and MCP can connect grounded code generation with executable feedback from industrial robot simulation software, while reducing but not eliminating expert setup and final supervision.
• Abstract（参考訳）: フレキシブル・マニュファクチャリングは、製品のバリエーションが変化するにつれて、産業用ロボットを迅速に再プログラミングする必要がある。 本稿では、自然言語タスク記述からABB RAPIDロボットプログラムを生成し、検証し、反復的に修正する言語モデルに基づくワークフローを提案する。 デュアルストリーム検索拡張生成(RAG)パイプラインは、検証済みの技術ドキュメンテーションとプロダクションテンプレートにコード生成を基盤として、アングラウンドド言語モデルによって生成されたドメイン固有のエラーを削減する。 カスタムモデルコンテキストプロトコル(MCP)サーバは、自動コードアップロード、シミュレーション実行、診断フィードバックのために、言語モデルクライアントとABB RobotStudioを直接接続する。 この評価は、30クエリの検索ベンチマーク、スコープ付きコード生成チェック、およびシミュレーションされたピックアンドプレイス製造セルにおけるRobotStudioケーススタディを組み合わせたものである。 シミュレーションループは、suction Release-heightエラー、到達不能な配置ターゲット、設定依存のリカバリ動作など、静的およびセマンティックチェックだけではキャッチできない実行障害を公開する。 以上の結果から,RAGとMPPが産業用ロボットシミュレーションソフトウェアからフィードバックを受けながら,専門家のセットアップや最終的な監督をなくすことなく,接地コード生成と実行可能なフィードバックを接続できることが示唆された。

関連論文リスト

• ChipMATE: Multi-Agent Training via Reinforcement Learning for Enhanced RTL Generation [55.947962672433675]
  ChipMATEは、RTL生成のための最初の自己学習型マルチエージェントフレームワークである。 ChipMATEは産業的な実践に触発され、VerilogエージェントとPythonのリファレンスモデルエージェントをペアにし、相互に出力を検証する。 ChipMATEは、VerilogEval V2で75.0%と80.1%パス@1を4Bと9Bベースモデルで達成している。
  論文  参考訳（メタデータ） (2026-05-13T01:04:21Z)
• LiveFMBench: Unveiling the Power and Limits of Agentic Workflows in Specification Generation [75.05397479715576]
  大規模言語モデル(LLM)とエージェントは有望な進歩を示しているが、その真の能力と失敗モードは未だ不明である。 CプログラムのためのLCMおよびエージェントベースの形式仕様生成に関する、最初の体系的および汚染に配慮した研究を提案する。
  論文  参考訳（メタデータ） (2026-05-02T11:31:33Z)
• You Don't Need Public Tests to Generate Correct Code [0.9668407688201359]
  大規模言語モデルには,有効な入力を自律的に構築し,自己補正のための実行フローをシミュレートする能力があることを示す。 我々は,LLMが反復的に計画し,独自のテスト入力を合成し,シミュレートされた実行を行うことで,地平データの必要性を解消するフレームワークであるDryRUNを紹介した。
  論文  参考訳（メタデータ） (2026-04-23T12:21:03Z)
• RESCORE: LLM-Driven Simulation Recovery in Control Systems Research Papers [18.24843021913362]
  制御システムの研究論文から数値シミュレーションを再構築することは、未特定パラメータやあいまいな実装の詳細によってしばしば妨げられる。 本稿では,論文の再現性を忠実に再現する実行可能なコードを生成する自動システムの課題である,シミュレーション検索性に関する論文の課題を定義する。 本稿では,3つのLLMエージェントフレームワークであるRESCORE,Analyzer,Coder,Verifierを提案する。 提案手法は,40.7%のベンチマークインスタンスに対して,タスクコヒーレントなシミュレーションを正常に再現し,シングルパス生成よりも優れていた。
  論文  参考訳（メタデータ） (2026-04-06T00:13:14Z)
• RC-NF: Robot-Conditioned Normalizing Flow for Real-Time Anomaly Detection in Robotic Manipulation [68.7948300643741]
  ロボットの異常検出と介入をリアルタイムに監視するロボット・コンディションド・ノーマライゼーション・フロー(RC-NF)を提案する。 RC-NFは、正規化フロー内のタスク認識ロボットとオブジェクト状態の処理を分離する。 従来のロボットタスクの監視方法と比較して、あらゆる異常なタイプで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-03-11T10:14:37Z)
• Toward Automated Virtual Electronic Control Unit (ECU) Twins for Shift-Left Automotive Software Testing [0.0]
  自動車ソフトウェアは、ハードウェアの可用性をますます上回り、遅延統合と高価なハードウェア・イン・ザ・ループ(HiL)ボトルネックを強制する。 InnoRegioChallengeは、仮想テストと統合環境が物理的なハードウェアが存在する前に実際のソフトウェアバイナリを実行するのに十分早く電子制御ユニット(ECU)の動作を再現できるかどうかを調査した。 本稿では,エージェント型フィードバック駆動型ワークフローを用いて,システムC/TLM2.0で命令精度の高いプロセッサモデルを生成するプロトタイプを報告する。
  論文  参考訳（メタデータ） (2026-02-20T11:03:46Z)
• Veri-Sure: A Contract-Aware Multi-Agent Framework with Temporal Tracing and Formal Verification for Correct RTL Code Generation [4.723302382132762]
  シリコングレードの正しさは、 (i) シミュレーション中心の評価の限られたカバレッジと信頼性、 (ii) 回帰と修復幻覚、 (iii) エージェントハンドオフ間で意図が再解釈される意味的ドリフトによってボトルネックが残っている。 エージェントの意図を整合させる設計契約を確立するマルチエージェントフレームワークであるVeri-Sureを提案する。
  論文  参考訳（メタデータ） (2026-01-27T16:10:23Z)
• 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)
• Guardian: Detecting Robotic Planning and Execution Errors with Vision-Language Models [53.20969621498248]
  本稿では,多種多様な計画および実行障害を生成するために,軌道を手続き的に乱す自動ロボット故障合成手法を提案する。 RLBench-Fail, BridgeDataV2-Fail, UR5-Failの3つの新しい故障検出ベンチマークを構築した。 次に、詳細な障害推論と検出のためのマルチビューイメージを備えたVLMであるGuardianをトレーニングします。
  論文  参考訳（メタデータ） (2025-12-01T17:57:27Z)
• On Simulation-Guided LLM-based Code Generation for Safe Autonomous Driving Software [0.577182115743694]
  オートマチック・ドライビング・システム(Automated Driving System, ADS)は、車両の環境の解釈に責任を負う安全クリティカルなソフトウェアシステムである。 ADSの開発には厳格なプロセスが必要で、車両に配備する前にコードを検証し、検証し、評価し、検証する。 本研究では,自動コード生成と評価のためのプロトタイプを開発し,評価した。
  論文  参考訳（メタデータ） (2025-04-02T21:35:11Z)
• Interactive Planning Using Large Language Models for Partially Observable Robotics Tasks [54.60571399091711]
  大きな言語モデル(LLM)は、オープン語彙タスクを実行するロボットエージェントを作成することで、驚くべき成果を上げている。 LLMを用いた部分的に観測可能なタスクのための対話型計画手法を提案する。
  論文  参考訳（メタデータ） (2023-12-11T22:54:44Z)
• CodeRL: Mastering Code Generation through Pretrained Models and Deep Reinforcement Learning [92.36705236706678]
  CodeRLは、事前訓練されたLMと深層強化学習によるプログラム合成タスクのための新しいフレームワークである。 推論中、我々は重要なサンプリング戦略を持つ新しい生成手順を導入する。 モデルバックボーンについては,CodeT5のエンコーダデコーダアーキテクチャを拡張し,学習目標を拡張した。
  論文  参考訳（メタデータ） (2022-07-05T02:42:15Z)

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。