論文の概要: Toward AI-Augmented Cooperative Engineering Workflows: Requirements and Architecture the European Rover Challenge

• arxiv url: http://arxiv.org/abs/2609.31136v1
• Date: Fri, 25 Sep 2026 11:27:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.363144
• Title: Toward AI-Augmented Cooperative Engineering Workflows: Requirements and Architecture the European Rover Challenge
• Title（参考訳）: AIによる協力型エンジニアリングワークフローの実現に向けて - 欧州ローバーチャレンジの要件とアーキテクチャ
• Abstract要約: 本稿では,AIがプロセスレベルで協調作業を支援する方法について検討する。 欧州ローバーチャレンジ2025チームによる40の質問調査を適応的に実施した。 その結果、ドキュメントの制限、不明確な要件、断片化された通信、非公式なタスク監視、実質的な統合修正など、繰り返し発生するワークフローのボトルネックが明らかになった。 本稿では,ユーザ対面インターフェース,クレデンシャル管理,サービス選択,特殊AIサービス,外部エンジニアリングツールを接続する初期アシスタントシステムアーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 1.5518894748362708
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The growing availability of Artificial Intelligence (AI) tools creates new opportunities to support engineering design processes, yet their current use often remains limited to isolated tasks such as coding, documentation, or information retrieval. Less attention has been given to how AI can support cooperative engineering workflows at the process level, where teams must coordinate requirements, tasks, communication, knowledge transfer, and subsystem integration. This paper investigates this challenge in the context of the European Rover Challenge (ERC), where student teams design and integrate complex rover systems within a single academic cycle under strict time constraints and high subsystem interdependence. We conducted a role adaptive 40 question survey with ERC 2025 teams, yielding 104 responses from 14 teams. The survey examined team structure, knowledge transfer, task management, integration practices, communication patterns, and current AI usage. The results reveal recurring workflow bottlenecks, including limited documentation, unclear requirements, fragmented communication, informal task monitoring, and substantial integration rework. Based on these findings, we derive requirements for AI augmented cooperative engineering work-flows and propose an initial assistant system architecture that connects user facing interfaces, credential management, service selection, specialized AI services, and external engineering tools. The proposed architecture aims to support task clarification, requirement and compliance management, communication summarization, integration risk detection, and continuous knowledge capture. In doing so, the paper contributes empirical requirements and an architectural direction for AI augmented cooperative engineering workflows in hybrid human AI team settings.
• Abstract（参考訳）: 人工知能(AI)ツールの普及により、エンジニアリング設計プロセスをサポートする新たな機会が生まれるが、現在の使用はコーディングやドキュメント、情報検索といった独立したタスクに限られることが多い。 プロセスレベルでAIが協調的なエンジニアリングワークフローをサポートするには,要件やタスク,コミュニケーション,知識伝達,サブシステム統合などの調整が必要になります。 本稿では,欧州ローバーチャレンジ(ERC, European Rover Challenge)の文脈において,厳密な時間制約と高いサブシステム依存性の下で,学生チームが1つの学術サイクル内で複雑なローバーシステムを設計,統合する上での課題について検討する。 ERC 2025チームで40の質問に適応して14チームから104の回答を得た。 調査では、チーム構造、知識伝達、タスク管理、統合プラクティス、コミュニケーションパターン、現在のAI使用状況について調査した。 その結果、ドキュメントの制限、不明確な要件、断片化された通信、非公式なタスク監視、実質的な統合修正など、繰り返し発生するワークフローのボトルネックが明らかになった。 これらの知見に基づいて,AI統合エンジニアリングワークフローの要件を導出するとともに,ユーザ対面インターフェース,クレデンシャル管理,サービス選択,特別なAIサービス,外部エンジニアリングツールを接続する初期アシスタントシステムアーキテクチャを提案する。 提案アーキテクチャは,タスクの明確化,要件とコンプライアンス管理,コミュニケーション要約,統合リスク検出,継続的な知識獲得をサポートすることを目的としている。 そこで本論文では,ハイブリッドAIチーム設定におけるAI統合エンジニアリングワークフローの実証的要件とアーキテクチャ的方向性について述べる。

関連論文リスト

• Graph Engineering in the Era of LLM Agents: From Individual Intelligence to System Intelligence [115.91847478507736]
  LLMは言語ジェネレータから、複雑な長距離タスクが可能な自律エージェントへと進化してきた。 多くのタスクにはヘテロジニアスな専門知識、相互依存サブタスク、並列実行、独立検証、永続状態が必要である。 私たちはこれをシステムインテリジェンス(System Intelligence)と呼び、複数のインテリジェントなコンポーネントを一貫した適応的な全体へと整理し、コーディネートするエージェントシステムの能力である。
  論文  参考訳（メタデータ） (2026-08-21T14:27:57Z)
• From Prompts to Context: An Ontology-Driven Framework for Human-Generative AI Collaboration [26.702635306128865]
  本稿では,人間生成AIコラボレーションを表現するオントロジー駆動型フレームワークを提案する。 その中核となるコンポーネントであるContextual Collaboration AI Ontologyは、コラボレーションの重要な要素を、共有機械解釈可能な語彙としてモデル化している。 我々は、要求分析、設計、実装、そしてテストの間で、このフレームワークがコラボレーションエピソードの表現とドキュメントをどのようにサポートするかを示す。
  論文  参考訳（メタデータ） (2026-05-28T09:35:59Z)
• Agentic AI in Engineering and Manufacturing: Industry Perspectives on Utility, Adoption, Challenges, and Opportunities [3.312613459249274]
  この研究は、AI、特にエージェントシステムがエンジニアリングと製造にどのように採用されているか、今日の価値、より広範なデプロイメントに必要なものについて調べる。 近い将来のAIは、構造化された、反復的で、データ集約的な作業を中心にクラスタを獲得し、高い価値のエージェントは、ツールをまたいだマルチステップ作業のオーケストレーションから得ます。 採用は、断片化やマシン不フレンドリなデータ、厳格なセキュリティと規制要件、限定的なAPIアクセス可能なレガシツールよりも、モデル能力によって制限される。
  論文  参考訳（メタデータ） (2026-03-19T22:36:34Z)
• Engineering.ai: A Platform for Teams of AI Engineers in Computational Design [8.217119500224284]
  計算設計におけるAIエンジニアのチームのためのプラットフォームであるEngineering.aiを紹介します。 このフレームワークは階層的なマルチエージェントアーキテクチャを採用しており、チーフエンジニアが特殊エージェントをコーディネートする。 このシステムはFreeCAD、Gmsh、OpenFOAM、CalculiX、BPM音響解析を統合し、並列多分野シミュレーションを可能にする。
  論文  参考訳（メタデータ） (2025-10-31T08:00:48Z)
• A Survey on Cloud-Edge-Terminal Collaborative Intelligence in AIoT Networks [49.90474228895655]
  クラウドエッジ端末協調インテリジェンス(CETCI)は、モノの人工知能(AIoT)コミュニティにおける基本的なパラダイムである。 CETCIは、分離されたレイヤ最適化からデプロイ可能なコラボレーティブインテリジェンスシステムに移行する、新興のAIoTアプリケーションで大きな進歩を遂げた。 本調査では、基礎アーキテクチャ、CETCIパラダイムのテクノロジの実現、シナリオについて解説し、CISAIOT初心者向けのチュートリアルスタイルのレビューを提供する。
  論文  参考訳（メタデータ） (2025-08-26T08:38:01Z)
• A Survey on Integrated Sensing, Communication, and Computation [57.6762830152638]
  次世代のワイヤレス技術である6Gは、ユビキタスなインテリジェントサービスの時代を後押しすることを目指している。 これらのモジュールのパフォーマンスは相互依存しており、時間、エネルギー、帯域幅のリソース競争を生み出している。 統合通信と計算(ICC)、統合センシングと計算(ISC)、統合センシングと通信(ISAC)といった既存の技術は、この課題に対処するために部分的に進歩してきた。
  論文  参考訳（メタデータ） (2024-08-15T11:01:35Z)
• The Foundations of Computational Management: A Systematic Approach to Task Automation for the Integration of Artificial Intelligence into Existing Workflows [55.2480439325792]
  本稿では,タスク自動化の体系的アプローチである計算管理を紹介する。 この記事では、ワークフロー内でAIを実装するプロセスを開始するための、ステップバイステップの手順を3つ紹介する。
  論文  参考訳（メタデータ） (2024-02-07T01:45:14Z)
• Identifying and Consolidating Knowledge Engineering Requirements [4.311189028205597]
  本稿では,主要なソフトウェア手法を用いて参照アーキテクチャを開発することで,4つの課題に対処することを提案する。 異なる利害関係者や時代の要求を調査することにより、参照アーキテクチャを評価する上で重要な品質特性を23つ特定する。 本稿では、品質特性の優先順位付け、相補的な強みを持つコンポーネントの統合、社会技術的要求の欠如など、包括的な参照アーキテクチャへの次のステップについて論じる。
  論文  参考訳（メタデータ） (2023-06-27T00:26:15Z)
• More Engineering, No Silos: Rethinking Processes and Interfaces in Collaboration between Interdisciplinary Teams for Machine Learning Projects [4.482886054198202]
  私たちは、機械学習システムを本番環境に構築、デプロイする際にチームが直面する重要なコラボレーションの課題を特定します。 我々は、要求、データ、統合のためのプロダクションMLシステムの開発における共通のコラボレーションポイントと、対応するチームパターンと課題について報告する。
  論文  参考訳（メタデータ） (2021-10-19T20:03:20Z)

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。