論文の概要: Kinematics-Grounded Agentic AI for Robotic Additive Manufacturing Process Planning

• arxiv url: http://arxiv.org/abs/2609.19347v1
• Date: Wed, 16 Sep 2026 19:22:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.986071
• Title: Kinematics-Grounded Agentic AI for Robotic Additive Manufacturing Process Planning
• Title（参考訳）: ロボット添加型製造工程計画のためのキネマティクスを用いたエージェントAI
• Abstract要約: 本稿では,ユーザ意図と部品ファイルをトレース可能で実行可能な計画に変換する,エージェント型ロボット添加物製造(A-RAM)を提案する。 このフレームワークは、6軸ロボットアームAMセル上で、専門家が特定した計画、目標のみの計画、目的に依存したインフィルスクリーニング、幾何学に依存した配向配置選択の3つのケーススタディを通じて評価される。
• 参考スコア（独自算出の注目度）: 1.7616042687330642
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Robotic additive manufacturing (AM) extends material-extrusion printing beyond gantry kinematics but makes process planning robot-dependent. A slicer-generated plan that appears favorable in part coordinates can become infeasible or robotically unfavorable on a manipulator because slicer-process decisions and part orientation determine the generated path, while part orientation and workspace placement affect its kinematic realization. Existing AM tools, large language model (LLM)-based decision-support methods, and digital-shadow systems do not provide integrated pre-execution evaluation of these coupled decisions. This paper presents agentic robotic additive manufacturing (A-RAM), an agent-specialist-tool framework that converts user intent and a part file into traceable, execution-ready plans. The LLM interprets manufacturing objectives and constraints, identifies prescribed and searchable planning variables, and encodes this reasoning in a schema-constrained request; a deterministic Planning Agent instantiates the corresponding search workflow, while domain tools compute quantitative evidence for slicing, placement, inverse kinematics, trajectory timing, Joint-6 jerk, and extrusion. The framework is evaluated on a six-axis robotic-arm AM cell through three case studies covering expert-specified planning, goal-only planning, objective-dependent infill screening, and geometry-dependent orientation-placement selection. Across the evaluated candidate sets, selected plans achieve up to 53.5% lower maximum Joint-6 jerk and 48.3% lower mean absolute Joint-6 jerk than the least favorable valid candidates, while objective-specific infill screening yields motion-plan completion times up to 40.1% shorter and extrusion paths up to 12.7% shorter than the corresponding least favorable screened patterns.
• Abstract（参考訳）: ロボット添加物製造(AM)は、物質押出印刷をガントリーキネマティクスを超えて拡張するが、プロセスプランニングはロボットに依存している。 スライサプロセス決定と部品配向が生成された経路を決定する一方、部品配向とワークスペース配置がそのキネマティックな実現に影響を与えるため、部品座標で好まれるスライサ生成計画がマニピュレータ上で実現不可能またはロボット的に好ましくないものとなる。 既存のAMツール、大規模言語モデル(LLM)に基づく意思決定支援手法、およびデジタルシャドウシステムは、これらの統合された決定に対する統合的な事前実行評価を提供していない。 本稿では,ユーザ意図とパーツファイルをトレーサブルで実行可能な計画に変換するエージェント・スペシャリスト・ツール・フレームワークであるエージェント・ロボティクス・アダプティブ・マニュファクチャリング(A-RAM)を提案する。 LLMは、製造目的と制約を解釈し、所定の計画変数を特定し、この推論をスキーマ制約された要求に符号化し、決定論的計画エージェントが対応する探索ワークフローをインスタンス化し、一方、ドメインツールはスライス、配置、逆運動学、軌道タイミング、ジョイント6ジャーク、押出の定量的証拠を算出する。 このフレームワークは、6軸ロボットアームAMセル上で、専門家が特定した計画、目標のみの計画、目的に依存したインフィルスクリーニング、幾何学に依存した配向配置選択の3つのケーススタディを通じて評価される。 評価された候補セット全体で、選択された計画は、最も好ましい候補よりも53.5%低い最大関節6ジャークと48.3%低い平均関節6ジャークを達成する。

関連論文リスト

• Robot Aware Computational Design of Object Specific Passive Grippers for Additive Manufacturing [0.0]
  本稿では,選択した対象メッシュ,測定対象状態,選択した6軸ロボットを,対象固有で校正されていない付加的に製造可能なグリップパに変換する,エンドツーエンドの計算パイプラインを提案する。 この方法は、正確なRGB-D/ICPポーズの登録、決定論的表面接触サンプリング、不確実性を認識したレンチスクリーニング、および6つのパッシブキャプチャー機構の選択を結合する。 ウサギ, カメラフランジ, 3DBenchy, 顔付きバストという4つのアーカイブされたオブジェクト固有の試みは, 特異な適合性, 不確実性, ランタイム・スウィープ, ベースライン/ポストトポロジーに適合する
  論文  参考訳（メタデータ） (2026-09-03T12:29:03Z)
• Occluding the Solution Space: Planner-Agnostic Adversarial Attacks on Tolerance-Aware Manipulation [57.9825059129472]
  本稿では, 耐障害性を考慮したアタック・フレームワークを提案する。 提案手法は,評価パラダイムを目標領域を越えたタスクレベルの実現性にシフトする。 オンラインでは、この攻撃を最大カバレッジ最適化の予算として定式化しています。
  論文  参考訳（メタデータ） (2026-07-04T08:14:44Z)
• PlanBench-XL: Evaluating Long-Horizon Planning of LLM Tool-Use Agents in Large-Scale Tool Ecosystems [59.730861364166174]
  PlanBench-XLは、327の小売タスクを1,665以上のツールでインタラクティブにベンチマークする。 エージェントが使用可能なツールを反復的に検索できるかどうかをテストし、最終目標に対するその後の呼び出しの中間的証拠を明らかにするためにそれらを呼び出す。
  論文  参考訳（メタデータ） (2026-06-21T08:29:12Z)
• Object-Informed Model Predictive Path Integral Control for Non-Prehensile Robot Manipulation [7.6557550594212715]
  非包括的ロボット操作のための長期計画は、不安定で不連続な相互作用のために困難である。 本稿では,モデル予測経路積分(MPPI)制御の階層的定式化を提案する。 6-DoF xArm6 マニピュレータを用いて物体押出作業を行うシミュレーションとハードウェアの両方で本手法の評価を行った。
  論文  参考訳（メタデータ） (2026-05-29T03:10:44Z)
• PIVOT: Bridging Planning and Execution in LLM Agents via Trajectory Refinement [22.285969725581044]
  大規模言語モデル(LLM)ベースのエージェントは、実行時に失敗するように見える一貫性のある計画を生成する。 PIVOTは、トラジェクトリを最適化可能なオブジェクトとして、環境相互作用を通じて反復的に洗練する自己管理フレームワークを通じて、この計画実行ミスアライメントに対処する。
  論文  参考訳（メタデータ） (2026-05-11T20:43:20Z)
• REMAC: Self-Reflective and Self-Evolving Multi-Agent Collaboration for Long-Horizon Robot Manipulation [57.628771707989166]
  本稿では,ReMACと呼ばれる適応型マルチエージェント計画フレームワークを提案する。 ReMACには2つの重要なモジュールが組み込まれており、ループ内で事前条件と後条件チェックを実行し、進捗と計画の洗練を評価する。
  論文  参考訳（メタデータ） (2025-03-28T03:51:40Z)
• AdaPlanner: Adaptive Planning from Feedback with Language Models [56.367020818139665]
  大規模言語モデル(LLM)は、最近、シーケンシャルな意思決定タスクの自律的エージェントとして機能する可能性を実証している。 本研究では,LLMエージェントが環境フィードバックに応じて自己生成計画を適応的に改善することのできるクローズドループアプローチであるAdaPlannerを提案する。 幻覚を緩和するために,様々なタスク,環境,エージェント機能にまたがる計画生成を容易にするコードスタイルのLCMプロンプト構造を開発した。
  論文  参考訳（メタデータ） (2023-05-26T05:52:27Z)
• A Framework for Neurosymbolic Robot Action Planning using Large Language Models [3.0501524254444767]
  本稿では,象徴的タスク計画と機械学習アプローチのギャップを埋めることを目的としたフレームワークを提案する。 大規模言語モデル(LLM)を計画ドメイン定義言語(PDDL)と互換性のあるニューロシンボリックタスクプランナーに訓練する根拠 選択されたドメインにおける予備的な結果から, (i) テストデータセットの95.5%の問題を1,000個のサンプルで解決し, (ii) 従来のシンボルプランナーよりも最大13.5%短いプランを作成し, (iii) 計画の可利用性の平均待ち時間を61.4%まで削減する。
  論文  参考訳（メタデータ） (2023-03-01T11:54:22Z)
• A feasibility study of a hyperparameter tuning approach to automated inverse planning in radiotherapy [68.8204255655161]
  本研究の目的は,計画品質を保ちながら,逆計画プロセスを自動化し,積極的な計画時間を短縮することである。 本研究では, 線量パラメータの選択, ランダムおよびベイズ探索法, ユーティリティ関数形式が計画時間と計画品質に及ぼす影響について検討した。 100個のサンプルを用いて良好な計画品質が得られ、平均計画時間は2.3時間であった。
  論文  参考訳（メタデータ） (2021-05-14T18:37:00Z)
• iCORPP: Interleaved Commonsense Reasoning and Probabilistic Planning on Robots [46.13039152809055]
  我々はiCORPPと呼ばれる新しいアルゴリズムを提案し、現在の世界状態を同時に推定し、世界ダイナミクスの推論を行い、タスク指向のコントローラを構築する。 結果は、競合するベースラインと比較して、スケーラビリティ、効率、適応性が大幅に改善されたことを示している。
  論文  参考訳（メタデータ） (2020-04-18T17:46:59Z)

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。