論文の概要: AI Control Scientist: LLM-driven Agentic System for Automated Control Design

• arxiv url: http://arxiv.org/abs/2608.26780v1
• Date: Thu, 27 Aug 2026 08:11:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.302739
• Title: AI Control Scientist: LLM-driven Agentic System for Automated Control Design
• Title（参考訳）: AI制御科学者:自動制御設計のためのLLM駆動エージェントシステム
• Abstract要約: 制御系の設計は、化学プロセスの温度調節や航空エンジンの制御など、現代の産業にとって重要なものである。 本稿では,言語設計要求から最適化されたコントローラを自動生成可能な,最初の大規模言語モデル(LLM)駆動エージェントであるAICSを提案する。
• 参考スコア（独自算出の注目度）: 14.07059572908122
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Control system design is critical for modern industry, such as chemical process temperature regulation and aero-engine control. However,traditional control design workflows rely heavily on expert knowledge and extensive manual parameter tuning, resulting in limited efficiency and scalability. To this end, this paper proposes AI Control Scientist (AICS), the first large language model (LLM)-driven agent capable of automatically generating optimized controller from language design requirements. Specifically, a Task Modeling Agent interprets user requirements to engineering constraints; a Controller Design Agent generate candidate controller structures and executable code; and a Parameter Tuning Agent refine controller parameters under closed-loop performance criteria. Experiments demonstrate that the proposed agentic system can automatically generate multiple representative control systems, outperforms existing automated baselines in both design success rate and optimization efficiency. This work has the potential to transform control system design from human-driven to agent-driven, paving the way for model predictive control and other advanced control systems design.
• Abstract（参考訳）: 制御系の設計は、化学プロセスの温度調節や航空エンジンの制御など、現代の産業にとって重要なものである。 しかし、従来の制御設計ワークフローは専門家の知識と広範囲な手動パラメータチューニングに大きく依存しているため、効率と拡張性は限られている。 そこで本研究では,言語設計要求から最適化されたコントローラを自動生成可能な,最初の大規模言語モデル(LLM)駆動エージェントであるAICSを提案する。 具体的には、タスクモデリングエージェントは、ユーザの要求をエンジニアリングの制約に解釈し、コントローラ設計エージェントは、候補のコントローラ構造と実行可能なコードを生成し、パラメータチューニングエージェントは、クローズドループのパフォーマンス基準の下でコントローラパラメータを洗練します。 提案するエージェントシステムは,複数の代表制御系を自動生成し,設計成功率と最適化効率の両方において,既存の自動ベースラインを上回っていることを示す。 この研究は、制御系設計を人間駆動型からエージェント駆動型に転換する可能性があり、モデル予測制御やその他の高度な制御系設計への道を開いた。

関連論文リスト

• Agentic Visual Generation: From Generative Models to Agentic Control [73.3572965008302]
  ほとんどの既存のシステムでは、コントローラはLLMまたはVLMであり、ビジュアルジェネレーションモデルはツールやエグゼクタとして機能する。 計画の深さ、道具の使用、複数ロールの協調、強化学習は、しばしばエージェント性の証拠として扱われる。 生成プロセスにおいて、コントローラが直接制御できるものに応じてフィールドを整理する。
  論文  参考訳（メタデータ） (2026-09-06T17:59:24Z)
• An LLM-Driven Workflow for Automated Process Control Strategy Generation and Tuning from Dynamic Process Models [0.0]
  動的プロセスモデルからの多変数自動制御のための構造化された大規模言語モデル駆動ワークフローを提案する。 提案手法は, 圧力と温度ダイナミクスを結合した非線形ガス予熱器ベンチマークで実証された。
  論文  参考訳（メタデータ） (2026-07-23T13:13:29Z)
• An LLM-enabled Multi-Agent Autonomous Mechatronics Design Framework [49.633199780510864]
  本研究は, 機械設計, 最適化, エレクトロニクス, ソフトウェア工学の専門知識を統合した多エージェント自律メカトロニクス設計フレームワークを提案する。 このフレームワークは、言語駆動のワークフローを通じて運用され、構造化された人間のフィードバックを組み込んで、現実世界の制約下での堅牢なパフォーマンスを保証する。 完全に機能する自律型容器は、最適化された推進、コスト効率の高い電子機器、高度な制御を備えていた。
  論文  参考訳（メタデータ） (2025-04-20T16:57:45Z)
• ControlAgent: Automating Control System Design via Novel Integration of LLM Agents and Domain Expertise [14.14268499543524]
  制御系設計は、様々な分野にわたる広範囲の応用を持つ近代工学の重要な側面である。 様々な領域におけるLarge Language Models (LLM) の進歩にもかかわらず、制御系設計におけるそれらの応用は、制御理論の複雑さと特異性のために制限されている。 LLMエージェントと制御指向ドメイン専門知識の新たな統合により制御システム設計を自動化する新しいパラダイムであるControlAgentを紹介する。
  論文  参考訳（メタデータ） (2024-10-17T17:42:48Z)
• Meta-Control: Automatic Model-based Control Synthesis for Heterogeneous Robot Skills [10.43221469116584]
  本稿では,特定のタスクに合わせて,カスタマイズされた状態表現と制御戦略を作成するメタコントロルを提案する。 私たちの中核的な洞察は、人間の専門家が制御システムの設計に使用する思考プロセスを自動化するために、メタ制御システムを構築することができるということです。
  論文  参考訳（メタデータ） (2024-05-18T19:58:44Z)
• Decision Transformer as a Foundation Model for Partially Observable Continuous Control [5.453548045211778]
  決定変換器(DT)アーキテクチャは、過去の観測、行動、報酬に基づいて最適な行動を予測するために使用される。 DTは、全く新しいタスクに対して驚くべきゼロショットの一般化能力を示す。 これらの知見は、一般的な制御アプリケーションの基本制御系としてのDTの可能性を示している。
  論文  参考訳（メタデータ） (2024-04-03T02:17:34Z)
• ReACT: Reinforcement Learning for Controller Parametrization using B-Spline Geometries [0.0]
  本研究は,N次元B-スプライン測地(BSG)を用いた深部強化学習(DRL)を用いた新しいアプローチを提案する。 本稿では,操作条件に依存する複雑な振る舞いを持つシステムのクラスであるパラメータ変量システムの制御に焦点をあてる。 多数の動作条件に依存するコントローラパラメータをマッピングするために,BSGを導入し,適応処理をより効率的にする。
  論文  参考訳（メタデータ） (2024-01-10T16:27:30Z)
• ProAgent: From Robotic Process Automation to Agentic Process Automation [87.0555252338361]
  LLM(Large Language Models)は、人間のような知性を持つ言語である。 本稿では,ALMをベースとしたエージェントを用いた高度な自動化のための基盤的自動化パラダイムであるエージェントプロセス自動化(APA)を紹介する。 そして、人間の指示を駆使し、特殊エージェントの調整によって複雑な決定を下すように設計されたエージェントであるProAgentをインスタンス化する。
  論文  参考訳（メタデータ） (2023-11-02T14:32:16Z)
• Fine-Tuning Language Models Using Formal Methods Feedback [53.24085794087253]
  我々は、自律システムにおけるアプリケーションのための、微調整済み言語モデルに対して、完全に自動化されたアプローチを提案する。 本手法は,自然言語タスク記述による事前学習モデルから自動制御器を合成する。 その結果、コントローラが満たした仕様の割合が60%から90%に改善したことが示唆された。
  論文  参考訳（メタデータ） (2023-10-27T16:24:24Z)
• A General Framework for Verification and Control of Dynamical Models via Certificate Synthesis [54.959571890098786]
  システム仕様を符号化し、対応する証明書を定義するためのフレームワークを提供する。 コントローラと証明書を形式的に合成する自動化手法を提案する。 我々のアプローチは、ニューラルネットワークの柔軟性を利用して、制御のための安全な学習の幅広い分野に寄与する。
  論文  参考訳（メタデータ） (2023-09-12T09:37:26Z)
• Policy Search for Model Predictive Control with Application to Agile Drone Flight [56.24908013905407]
  MPCのためのポリシ・フォー・モデル・予測制御フレームワークを提案する。 具体的には、パラメータ化コントローラとしてMPCを定式化し、パラメータ化の難しい決定変数を高レベルポリシーとして表現する。 シミュレーションと実環境の両方において,我々の制御器が堅牢かつリアルタイムに制御性能を発揮することを示す実験を行った。
  論文  参考訳（メタデータ） (2021-12-07T17:39:24Z)

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。