論文の概要: Neuro-symbolic AI for Industrial Configuration

• arxiv url: http://arxiv.org/abs/2609.29947v1
• Date: Thu, 24 Sep 2026 15:08:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:10.041321
• Title: Neuro-symbolic AI for Industrial Configuration
• Title（参考訳）: 産業構成のためのニューロシンボリックAI
• Abstract要約: ニューロシンボリック(NeSy)AI手法は、設計、説明可能、信頼性の高い産業グレードへの有望な道を開く。 我々は,NeSyの概念を産業的な構成で運用する取り組みを報告し,信頼性の高いAIをエンジニアリング環境に展開する上で,実践的な設計選択のセットを導出する。
• 参考スコア（独自算出の注目度）: 9.007477322371926
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large Language Models (LLMs) have shown impressive performance on a wide range of generative tasks. Yet their probabilistic nature makes them, in isolation, fundamentally unsuited for industrial product configuration, where outputs must be syntactically valid, semantically consistent with a knowledge base of hundreds of features and rules, and producible by an existing manufacturing chain. We argue that Neuro-symbolic (NeSy) AI methods lay out a promising path towards industrial-grade configurators that are reliable by design, explainable, and trustworthy. This paper describes a taxonomy of three NeSy integration strategies, namely hybrid inference, hybrid fine-tuning, and hybrid training, exploring their usage in the configuration domain. We report our effort to operationalize NeSy concepts in an industrial configuration copilot and derive a set of practical design choices for deploying trustworthy AI in engineering environments. We close with a discussion of open research challenges we consider most pressing, in particular how to scale NeSy methods from small academic demonstrators to the size of industrial configurators.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、広範囲な生成タスクにおいて印象的なパフォーマンスを示している。 しかし、それらの確率的性質は、独立して、アウトプットが構文的に有効で、数百の特徴とルールの知識ベースとセマンティックに整合し、既存の製造チェーンによって生産されなければならない産業製品構成に基本的に適していない。 我々は、Neuro-symbolic (NeSy) AI手法が、設計、説明可能、信頼できる産業レベルのコンフィグレータへの有望な道をたどっていると論じる。 本稿では,3つのNeSy統合戦略,すなわちハイブリッド推論,ハイブリッド微調整,ハイブリッドトレーニングの分類について述べる。 我々は,NeSyの概念を産業的な構成で運用する取り組みを報告し,信頼性の高いAIをエンジニアリング環境に展開する上で,実践的な設計選択のセットを導出する。 オープンな研究課題について、特にNeSyの手法を小さな学者のデモから産業構成員の規模まで拡張する方法について、我々は議論を締めくくっている。

関連論文リスト

• Embodied Intelligence for Flexible Manufacturing: A Survey [53.502316787299144]
  フレキシブルな製造では、産業的な具体化インテリジェンスは3つの課題に直面している。 これには、限られた知覚下での正確なプロセスモデリングとモニタリング、柔軟な適応と高精度制御の動的バランス、専門的な産業操作と汎用スキルの統合が含まれる。 本研究は,製造システムにおける知覚-決定-実行の閉ループ最適化のためのエンボディインテリジェンスの重要な技術経路を明らかにする。
  論文  参考訳（メタデータ） (2025-12-24T14:26:30Z)
• OnePiece: Bringing Context Engineering and Reasoning to Industrial Cascade Ranking System [61.12400636463362]
  OnePieceは、LLMスタイルのコンテキストエンジニアリングと推論を、検索モデルとランキングモデルの両方にシームレスに統合する統合フレームワークである。 OnePieceは、Shopeeの主要なパーソナライズされた検索シナリオにデプロイされ、さまざまな主要なビジネス指標で一貫したオンラインゲインを実現している。
  論文  参考訳（メタデータ） (2025-09-22T17:59:07Z)
• Hybrid Reasoning for Perception, Explanation, and Autonomous Action in Manufacturing [0.0]
  CIPHERは、産業制御のための人間のような推論を再現することを目的としたビジョン言語アクション(VLA)モデルフレームワークである。 システム状態の定量的評価を可能にする回帰モデルであるプロセスエキスパートを統合する。 プロセス監視からの視覚的またはテキスト的入力を解釈し、その決定を説明し、正確なマシン命令を自律的に生成する。
  論文  参考訳（メタデータ） (2025-06-10T05:37:33Z)
• Generative AI for Autonomous Driving: Frontiers and Opportunities [145.6465312554513]
  この調査は、自律運転スタックにおけるGenAIの役割の包括的合成を提供する。 まず、VAE、GAN、拡散モデル、および大規模言語モデルを含む、現代の生成モデリングの原則とトレードオフを蒸留することから始めます。 我々は、合成データ一般化、エンドツーエンド駆動戦略、高忠実なデジタルツインシステム、スマートトランスポートネットワーク、具体化されたAIへのクロスドメイン転送など、実用的な応用を分類する。
  論文  参考訳（メタデータ） (2025-05-13T17:59:20Z)
• Bridging Industrial Expertise and XR with LLM-Powered Conversational Agents [2.526333884960815]
  本稿では,大規模言語モデル(LLM)と拡張現実感(XR)との新たな統合を提案する。 提案システムは、自然言語インタフェースを通じて、ドメイン固有の産業知識をXR環境に組み込み、労働者のためのハンズフリーでコンテキスト対応のエキスパートガイダンスを可能にする。
  論文  参考訳（メタデータ） (2025-04-07T22:02:19Z)
• Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
  産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。 製品ライフサイクルを通じてデータをデジタル化することにより、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。 GenAIはDTの構築と更新を推進し、予測精度を改善し、多様なスマート製造に備える。
  論文  参考訳（メタデータ） (2024-08-02T10:47:10Z)
• Stochastic Configuration Machines for Industrial Artificial Intelligence [4.57421617811378]
  産業人工知能(IAI)におけるコンフィグレーションネットワーク(SCN)の役割 本稿では、効率的なモデリングとデータサイズ削減を強調するために、SCMと呼ばれる新しいランダム化学習モデルを提案する。 いくつかのベンチマークデータセットと3つの産業応用に関する実験的研究が行われている。
  論文  参考訳（メタデータ） (2023-08-25T05:52:41Z)
• Robots That Ask For Help: Uncertainty Alignment for Large Language Model Planners [85.03486419424647]
  KnowNoは、大きな言語モデルの不確実性を測定し、調整するためのフレームワークである。 KnowNoは、タスク完了に関する統計的保証を提供する共形予測理論に基づいている。
  論文  参考訳（メタデータ） (2023-07-04T21:25:12Z)
• Generating Hidden Markov Models from Process Models Through Nonnegative Tensor Factorization [0.0]
  我々は,理論的プロセスモデルと関連する最小隠れマルコフモデルを統合する,数学的に新しい手法を提案する。 提案手法は, (a) 理論的プロセスモデル, (b) HMM, (c) 結合非負行列テンソル因子分解, (d) カスタムモデル選択を集約する。
  論文  参考訳（メタデータ） (2022-10-03T16:19:27Z)

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。