論文の概要: Agentic AI for operating scientific instruments for nanoscale characterization

• arxiv url: http://arxiv.org/abs/2608.26198v1
• Date: Tue, 25 Aug 2026 14:55:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.11901
• Title: Agentic AI for operating scientific instruments for nanoscale characterization
• Title（参考訳）: ナノスケールキャラクタリゼーションのための科学機器操作エージェントAI
• Abstract要約: 本稿では,原子間力顕微鏡(AFM)ワークフローの実行可能な部分を動作させるエージェントAIフレームワークを提案する。 このフレームワークは、AMM Messenger、AFM Pilot、AFM Doctorという3つのMPPベースのエージェントで構成されている。 微調整および既製のツール使用モデルに対するベンチマークは、このガードされた実行層がモデル機能のみでなく、間違ったコマンド実行をゼロにすることを示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Operating a scientific instrument such as an atomic force microscope (AFM) requires continuous expert decision-making. A trained user defines the experimental intent, translates it into instrument commands, assesses incoming data, adjusts imaging parameters, and post-processes the final image. Existing automation usually addresses only parts of this workflow through hard-coded routines, task-specific controllers, or trained machine-learning models. Here we present an agentic-AI framework that operates the executable part of the AFM workflow using a general-purpose, tool-augmented large language model connected to instrument functions through the Model Context Protocol (MCP). The framework consists of 3 MCP-based agents: AFM Messenger converts natural-language instructions into checked instrument commands; AFM Pilot assesses image quality through a large language model (LLM) and, if necessary, adapts imaging parameters; and AFM Doctor diagnoses image artifacts and applies transparent post-processing from a pre-approved tool set. Because the language model performs image assessment rather than a fixed scalar objective or external optimizer, the same strategy can be applied across sample types and imaging modes without specific retraining. Safe hardware operation is enforced through an ambiguity check layer before execution. Benchmarking against fine-tuned and off-the-shelf tool-using models shows that this guarded execution layer, rather than model capability alone, reduces wrong-command execution to zero. In live experiments on different samples, AFM Pilot matched expert operators in image quality, iteration count, and tuning time, with no significant difference. These results demonstrate a safe route to agentic operation of scientific instruments, where experimental intent remains human-defined while command execution, image-based tuning, and post-processing are delegated to AI agents.
• Abstract（参考訳）: 原子間力顕微鏡(AFM)のような科学機器の運用には、継続的な専門家による意思決定が必要である。 トレーニングされたユーザは、実験意図を定義し、それを計器コマンドに変換し、受信したデータを評価し、画像パラメータを調整し、最終的なイメージを後処理する。 既存の自動化は通常、ハードコードされたルーチン、タスク固有のコントローラ、トレーニングされた機械学習モデルを通じて、ワークフローの一部に対処する。 本稿では,AMMワークフローの実行可能な部分を,MCP(Model Context Protocol)を介して機器関数に接続された汎用ツール拡張型大規模言語モデルを用いて操作するエージェントAIフレームワークを提案する。 AFM Messengerは、自然言語命令をチェックインスツルメンツコマンドに変換する; AFM Pilotは、大きな言語モデル(LLM)を通じて画像品質を評価し、必要に応じて、画像パラメータを適応する; AFM Doctorは、画像アーティファクトを診断し、承認済みのツールセットから透過的な後処理を適用する。 言語モデルは、固定されたスカラーオブジェクトや外部オプティマイザではなく、イメージアセスメントを実行するため、特定のリトレーニングをすることなく、サンプルタイプやイメージングモードに同じ戦略を適用することができる。 安全なハードウェア操作は、実行前にあいまいなチェック層を通じて実行される。 微調整および既製のツール使用モデルに対するベンチマークは、このガードされた実行層がモデル機能のみでなく、間違ったコマンド実行をゼロにすることを示している。 異なるサンプルのライブ実験では、AFM Pilotは画像の品質、イテレーション数、チューニング時間などの専門家と一致したが、大きな違いはなかった。 これらの結果は、命令の実行、画像ベースのチューニング、後処理がAIエージェントに委譲されている間、実験意図が人間定義のままである科学機器のエージェント操作への安全な経路を示す。

関連論文リスト

• Small Language Model enabled Autonomous agent for Language-Conditioned Cognitive Radar [12.929360945873098]
  現代のレーダーシステムは、干渉、乱雑、データ可用性の変化に応じて処理戦略を適用する必要がある。 本稿では,言語条件認知レーダ用に設計された,SLM駆動型自律エージェントのためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-12T03:08:40Z)
• ToolArtist: Tool-Using Unified Multimodal Models for Agentic Image Generation [57.673228074553414]
  ToolArtistは、Unified Multimodal Model (UMM) の後のトレーニングによって得られる完全なエージェント画像生成モデルである ToolArtistは1つの統一ポリシー内で推論、外部ツールの使用、ネイティブ画像生成をオーケストレーションする。 実験によると、エージェントポリシーの下にオープンワールドイメージ生成プロセス全体を配置することは、固定パイプラインによるアプローチよりも一貫して優れている。
  論文  参考訳（メタデータ） (2026-08-05T04:26:19Z)
• Towards Autonomous and Auditable Medical Imaging Model Development [53.326510777116766]
  本稿では,医療画像モデル開発のための自律型マルチエージェントフレームワークAMIDを紹介する。 AMIDが最初に提案するData-Conditioned Method Planningは、タスクレベルの粗い検索空間を、実行可能で並列化可能なメソッドレーンに洗練する。 次に検証誘導二段階最適化(Verification-Guided Two-Stage Optimization)を開発し、様々な手法レーンの広範な早期探索から、有望な候補の選択的利用へと移行した。
  論文  参考訳（メタデータ） (2026-07-12T00:54:06Z)
• IEA: Amateur-Friendly Conversational Image Editing Agent via Three Stages of Multitask Alignment [16.199788035961564]
  我々は、パラメータ化されたツールを明示的かつ解釈可能なアクション空間で操作することを学ぶ対話型画像編集エージェントIEAを提案する。 IEAは3段階のマルチタスクパイプラインを通じて訓練される: 蒸留された専門家編集のSFT、類似性の改善、ツール有用性、意図の要約のための報奨付きGRPO、(3)画像編集、精細化、ユーザ意図の要約を共同でマスターするための大規模合成微調整。
  論文  参考訳（メタデータ） (2026-06-06T07:11:08Z)
• CV-Arena: An Open Benchmark for Instructional Computer Vision Problem Solving with Human-AI Collaborative Preferences [51.86576932800981]
  CV-Arenaは、プロの規模でこの能力を評価するために設計されたオープンベンチマークである。 CV-Arenaは16の命令ベースの視覚タスクタイプにまたがる12Kの高解像度実像命令ペアを含んでいる。 我々は,計画,編集,検証を組み合わせた軽量エージェントモデルCV-Agentを開発した。
  論文  参考訳（メタデータ） (2026-05-30T23:37:55Z)
• RemoteAgent: Bridging Vague Human Intents and Earth Observation with RL-based Agentic MLLMs [55.44696796126619]
  地球観測システムは、曖昧な自然言語を通じて要求を表現するドメインの専門家を支援するように設計されている。 実用的なEOAIシステムは、あいまいな人間のクエリと適切な多粒度視覚分析タスクのギャップを埋めなければならない。 MLLMの能力固有の境界を戦略的に尊重するエージェントフレームワークであるRemoteAgentを提案する。
  論文  参考訳（メタデータ） (2026-04-09T03:40:46Z)
• IMAGAgent: Orchestrating Multi-Turn Image Editing via Constraint-Aware Planning and Reflection [40.21337735524356]
  IMAGAgentは、"plan-execute-reflect"クローズドループメカニズムに基づいたマルチターン画像編集エージェントフレームワークである。 命令解析、ツールスケジューリング、および統一パイプライン内の適応補正の深いシナジーを実現する。 構築した textbfMTEditBench と MagicBrush データセットによる実験により,IMAGAgent が既存の手法よりもはるかに優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2026-02-12T02:37:38Z)
• Code-in-the-Loop Forensics: Agentic Tool Use for Image Forgery Detection [59.04089915447622]
  ForenAgentはインタラクティブなIFDフレームワークで、MLLMが検出対象に関するPythonベースの低レベルツールを自律的に生成、実行、洗練することができる。 人間の推論にインスパイアされた我々は、グローバルな認識、局所的な焦点、反復的探索、そして全体論的偏見を含む動的推論ループを設計する。 実験の結果,ForenAgent は IFD 課題に対する創発的なツール利用能力と反射的推論を示すことがわかった。
  論文  参考訳（メタデータ） (2025-12-18T08:38:44Z)
• TIR-Bench: A Comprehensive Benchmark for Agentic Thinking-with-Images Reasoning [30.018325742295243]
  OpenAI o3は問題解決のためにイメージを変換するツールを作成、運用することができる。 ビジュアル検索のテストは、ローカライズやトリミングといった基本的な操作のみであり、より複雑で動的で、ツールに依存した推論に関する洞察はほとんど提供されない。 エージェント思考とイメージを13種類のタスクで評価するための総合的なベンチマークである textbfTIR-Bench を紹介する。
  論文  参考訳（メタデータ） (2025-11-03T18:40:17Z)
• EdiVal-Agent: An Object-Centric Framework for Automated, Fine-Grained Evaluation of Multi-Turn Editing [170.71134330650796]
  EdiVal-Agentは、命令ベースの画像編集のためのオブジェクト指向評価フレームワークである。 標準のシングルターンだけでなく、マルチターンの命令ベースの編集を精度良く評価するように設計されている。 EdiVal-Benchは、インコンテキスト、フローマッチング、拡散パラダイムにまたがる9つの命令タイプと13の最先端編集モデルをカバーするベンチマークである。
  論文  参考訳（メタデータ） (2025-09-16T17:45:39Z)
• Prompt-based test-time real image dehazing: a novel pipeline [9.229160145438469]
  本稿では,プロンプトをベースとしたテストタイム・デハージング(PTTD)について述べる。 合成データに基づいて訓練されたデハジングモデルを用いて、符号化機能の統計(平均および標準偏差)を微調整することにより、領域ギャップを狭めることができることを実験的に観察した。 PTTDはモデルに依存しず、様々な最先端のデハージングモデルを備えており、実際の画像デハージングタスクに取り組むために合成ハジークリーンペアで訓練されている。
  論文  参考訳（メタデータ） (2023-09-29T16:50:38Z)
• Goal-Conditioned End-to-End Visuomotor Control for Versatile Skill Primitives [89.34229413345541]
  本稿では,制御器とその条件をエンドツーエンドに学習することで,落とし穴を回避する条件付け手法を提案する。 本モデルでは,ロボットの動きのダイナミックな画像表現に基づいて,複雑な動作シーケンスを予測する。 代表的MPCおよびILベースラインに対するタスク成功の大幅な改善を報告した。
  論文  参考訳（メタデータ） (2020-03-19T15:04:37Z)

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。