論文の概要: LLM-Driven Multi-Agent Control for Skill-Based Smart Manufacturing
- arxiv url: http://arxiv.org/abs/2610.01364v1
- Date: Thu, 01 Oct 2026 09:34:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 01:19:24.0322
- Title: LLM-Driven Multi-Agent Control for Skill-Based Smart Manufacturing
- Title（参考訳）: スキルベーススマートマニュファクチャリングのためのLCM駆動多エージェント制御
- Abstract要約: LLMベースのエージェントは、オフラインでプロダクションシーケンスを生成し、プログラミングの労力を減らす、オンラインでライブマシンを操作し、静的プログラムが予測できない予期せぬ障害に対処する、という2つの補完的な役割でデプロイできる。
そこで我々は,各工場のモジュールに専用のLCMエージェントとMPPツールサーバを組み合わせて,工場状態のリアルタイム更新によってオーバセットを調整し,接地するソリューションを提案する。
- 参考スコア（独自算出の注目度）: 1.5982741463390921
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Factories are shifting toward smaller lot sizes with high product customization, requiring frequent re-programming of flexible and reconfigurable automation systems. LLM-based agents can be deployed in two complementary roles: Offline, they generate deterministic production sequences, reducing programming effort; online, they operate live machines and handle unforeseen runtime faults that static programs cannot anticipate. We propose a solution in which each factory module is paired with a dedicated LLM-based agent and an MCP tool server that exposes the module's skills via OPC UA method calls, with agents coordinating over MQTT and grounded by real-time updates of the factory state. We compare three agent architectures (orchestrator, peer-to-peer, and monolithic) across nine production challenges of increasing complexity in a simulation of a physical six-module hexagonal factory, including silent hardware fault detection. The monolithic and peer-to-peer architectures both achieve the highest mean solve rate (93\%), while the orchestrator uniquely resolves a silent conveyor-belt fault in all ten runs by autonomously rerouting plates around the blocked segment. All architectures exhibit emergent fault-diagnosis behavior without any explicit failure-handling logic, establishing standardized MCP tooling, MQTT-based inter-agent communication, and real-time state injection as a viable and reproducible foundation for LLM-programmed smart manufacturing.
- Abstract（参考訳）: ファクトリは、高い製品カスタマイズで小さなロットサイズに移行し、フレキシブルで再構成可能な自動化システムの頻繁な再プログラミングを必要としています。
オフライン、決定論的生産シーケンスを生成し、プログラミングの労力を減らし、オンラインでライブマシンを操作し、静的プログラムが予測できない予期せぬ実行時障害を処理する。
我々は、各ファクトリモジュールに専用のLCMベースのエージェントと、OPC UAメソッドコールを介してモジュールのスキルを公開するMPPツールサーバをペアリングし、MQTT上で調整し、ファクトリ状態のリアルタイム更新によって接地するソリューションを提案する。
ハードウェア故障検出を含む物理6モジュール六角形工場のシミュレーションにおいて,複雑性を増大させる9つの生産課題に対して,3つのエージェントアーキテクチャ(オーケストレータ,ピアツーピア,モノリシック)を比較した。
モノリシックおよびピアツーピアのアーキテクチャはどちらも平均解率93\%を達成し、オーケストレータはブロックセグメントの周囲のプレートを自律的にリルーチンすることで、全10ランでサイレントコンベヤベルトの故障を一意に解決する。
すべてのアーキテクチャは、明示的な障害処理ロジックを使わずに、創発的な障害診断動作を示し、標準化されたMPPツール、MQTTベースのエージェント間通信、リアルタイムステートインジェクションを、LCMでプログラムされたスマート製造のための実行可能な再現可能な基盤として確立する。
関連論文リスト
- LLM-based Hardware Development with Hierarchical IRs and End-to-End Multi-Agent Workflow [3.3126072964592836]
大規模言語モデル (LLM) はソフトウェア開発でますます使われているが、複雑なハードウェア設計での使用は限られている。
階層型中間表現(IR)とエンドツーエンドのマルチエージェントワークフローを備えたLCMベースのハードウェア開発フレームワークを提案する。
We evaluate our framework on Verilog-Eval benchmark, achieve a pass@5 rate of 95.5%, which is a current-of-the-art LLM generation frameworks。
論文 参考訳（メタデータ） (2026-08-31T11:57:37Z) - Observability and Fault Injection for LLM-Based Multi-Agent Systems in Software Engineering [16.65912184999416]
大規模言語モデルに基づくマルチエージェントシステムは、ソフトウェア工学のタスクのためにますます研究されている。
OpenTelemetryベースの分散トレースとフォールトインジェクションを組み合わせた軽量でフレームワークに依存しないツールであるllmmas-otelを提案する。
論文 参考訳（メタデータ） (2026-08-25T08:59:08Z) - Model-Driven Discipline for Multi-Agent LLMs: Requirement-to-Verification Generation of Traceable System Models [62.62160094849002]
RADIANTは、MDEとMulti-Agent Large Language Modelを組み合わせたエンジニアリング方法論である。
工学的なフェーズにまたがる異種モデルを自動的に生成する。
正確かつ自動的な変更インパクト分析を提供する。
論文 参考訳（メタデータ） (2026-07-18T08:50:55Z) - MLIPilot: LLM-Driven Auto-Research for Machine-Learned Interatomic Potentials [0.0]
MLIPilotは、ツールコールによる大規模言語モデルによる仮説の提案、MLIPトレーニングコードの編集、HPCジョブの起動、修正された物理的制約付きスコアカードによる変更の受け入れまたは反転を行う自動検索フレームワークである。
GPT-5.5, GPT-4.1, Mistral-24B, Qwen3-32B を含む商用およびオープンウェイト LLM エージェントを用いた MACE 電位最適化における MLIPilot の評価を行った。
論文 参考訳（メタデータ） (2026-05-29T06:25:47Z) - ChipMATE: Multi-Agent Training via Reinforcement Learning for Enhanced RTL Generation [55.947962672433675]
ChipMATEは、RTL生成のための最初の自己学習型マルチエージェントフレームワークである。
ChipMATEは産業的な実践に触発され、VerilogエージェントとPythonのリファレンスモデルエージェントをペアにし、相互に出力を検証する。
ChipMATEは、VerilogEval V2で75.0%と80.1%パス@1を4Bと9Bベースモデルで達成している。
論文 参考訳（メタデータ） (2026-05-13T01:04:21Z) - Chimera: Latency- and Performance-Aware Multi-agent Serving for Heterogeneous LLMs [62.17306142810532]
ヘテロジニアスLSMクラスタ上で動作するマルチエージェントワークフローの予測スケジューリングシステムであるChimeraを提案する。
Chimeは最高のレイテンシをトレースし、エンドツーエンドのレイテンシを1.2-2.4$times$で削減し、タスクパフォーマンスを平均8.0-9.5ポイント改善する。
論文 参考訳（メタデータ） (2026-03-23T17:01:42Z) - ComAgent: Multi-LLM based Agentic AI Empowered Intelligent Wireless Networks [62.031889234230725]
6Gネットワークは複雑な層間最適化に依存している。
数学の定式化に高レベルの意図を手動で翻訳することは、まだボトルネックである。
我々はマルチLLMエージェントAIフレームワークであるComAgentを紹介する。
論文 参考訳（メタデータ） (2026-01-27T13:43:59Z) - A Lightweight Modular Framework for Constructing Autonomous Agents Driven by Large Language Models: Design, Implementation, and Applications in AgentForge [1.932555230783329]
LLM駆動の自律エージェントの構築を民主化するために設計された軽量でオープンソースのPythonフレームワーク。
AgentForgeは、(1)正式に定義された入出力契約できめ細かいタスク分解を可能にする構成可能なスキル抽象化、(2)クラウドベースのAPIとローカル推論エンジンのシームレスな切り替えをサポートする統一されたバックエンドインターフェース、(3)エージェントロジックと実装の詳細を分離する宣言型YAMLベースの構成システムである。
論文 参考訳（メタデータ） (2026-01-19T20:33:26Z) - Autonomous Control Leveraging LLMs: An Agentic Framework for Next-Generation Industrial Automation [0.0]
本稿では,大規模言語モデル(LLM)を個別のフォールトリカバリ計画と継続的プロセス制御の両方に活用する統合エージェントフレームワークを提案する。
その結果、構造化されたフィードバックとモジュラーエージェントにより、LLMは高レベルな記号計画と低レベルな連続制御を統一できることを示した。
論文 参考訳（メタデータ） (2025-07-03T11:20:22Z) - MAS-ZERO: Designing Multi-Agent Systems with Zero Supervision [76.42361936804313]
自動MAS設計のための自己進化型推論時間フレームワークMAS-ZEROを紹介する。
MAS-ZEROはメタレベルの設計を採用し、各問題インスタンスに適したMAS構成を反復的に生成し、評価し、洗練する。
論文 参考訳（メタデータ） (2025-05-21T00:56:09Z)
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。