論文の概要: Educating future engineers about LLMs: A scalable workshop

• arxiv url: http://arxiv.org/abs/2610.07027v1
• Date: Sun, 04 Oct 2026 18:04:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.517517
• Title: Educating future engineers about LLMs: A scalable workshop
• Title（参考訳）: LLMに関する将来のエンジニアの教育 - スケーラブルなワークショップ
• Abstract要約: 本稿では,工学修士課程の学生がナビゲーション計画における人間とAIの連携を実践するための,スケーラブルなゲーム化ワークショップについて述べる。 10回のワークショップセッションでモバイルWebインターフェースを使用して、合計226人の学生が、非推論のプロンプトと、複雑化するグリッドベースのナビゲーションタスクを解決するためのLCMの理由を書いた。 このシステムは、ロボットが実行可能な計画、視覚化、自動得点を返却し、ボストン・ダイナミクス・スポットのロボットのライブデモに終止符を打った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As large language models (LLMs) are increasingly integrated into engineering workflows, students require hands-on experience to learn how to collaborate with them critically. This paper presents a scalable gamified workshop designed for engineering Master's students to practice human-AI collaboration in navigation planning. Using a mobile web interface across 10 workshop sessions, a total of 226 students wrote prompts for a non-reasoning and a reasoning LLM to solve grid-based navigation tasks of increasing complexity. The system returned robot-executable plans, trajectory visualizations, and automated scoring, culminating in a live demonstration on a Boston Dynamics Spot robot. In a post-workshop questionnaire, 81.5% reported substantial learning and 91.0% reported high engagement. Analysis of the submitted prompts revealed that students changed their strategies from step-by-step instructions for the non-reasoning LLM toward providing higher-level guidance for complex problem-solving tasks. We conclude that such interactive simulation-to-reality environments are viable for teaching the verification and collaboration skills necessary for responsible LLM use in engineering. Code is available at: https://github.com/renchizhhhh/LLM-robotics-workshop
• Abstract（参考訳）: 大規模言語モデル(LLM)がますますエンジニアリングワークフローに統合されるにつれて、学生は自分たちと批判的にコラボレーションする方法を学ぶために、ハンズオンの経験を必要としている。 本稿では,工学修士課程の学生がナビゲーション計画における人間とAIの連携を実践するための,スケーラブルなゲーム化ワークショップについて述べる。 10回のワークショップセッションでモバイルWebインターフェースを使用して、合計226人の学生が、非推論のプロンプトと、複雑化するグリッドベースのナビゲーションタスクを解決するためのLCMの理由を書いた。 このシステムは、ロボットが実行可能な計画、軌道の可視化、自動得点を返却し、ボストン・ダイナミクス・スポットのロボットのライブデモに終止符を打った。 ポストワークショップのアンケートでは81.5%が実質的な学習を報告し、91.0%が高いエンゲージメントを報告した。 提案したプロンプトの分析から, 学生は, 複雑な問題解決タスクの高レベルガイダンス提供に向けて, ステップ・バイ・ステップの指導から, ステップ・バイ・ステップの指導へと方針を変更したことが明らかとなった。 我々は,このような対話型シミュレーション・トゥ・リアリティ環境が,エンジニアリングにおけるLCMの責任を負う上で必要な,検証とコラボレーションのスキルを教える上で有効である,と結論付けた。 コードは、https://github.com/renchizhhhhhh/LLM-robotics-workshopで入手できる。

関連論文リスト

• Scaling Synthetic Task Generation for Agents via Exploration [67.70129766322985]
  対話型エージェントを構築するための訓練後のマルチモーダル大言語モデル(MLLM)は、コンピュータ利用、Webナビゲーション、ロボット工学といった分野にまたがる約束を守る。 タスク生成のための既存のアプローチは、ダウンストリーム環境情報に制限のある人間のアノテーションやMLLMのプロンプトに大きく依存している。 本稿では,タスク生成のためのスケーラブルなパイプラインであるAutoPlayについて紹介する。
  論文  参考訳（メタデータ） (2025-09-29T17:00:02Z)
• The Lazy Student's Dream: ChatGPT Passing an Engineering Course on Its Own [3.2334676138718677]
  本稿では,Large Language Models (LLMs) の制御系コースを成功させる能力について包括的に検討する。 現実的な学生の利用パターンをシミュレートする「最小限の努力」プロトコルの下で,ChatGPTを用いてLCMの性能を評価する。 我々の分析は、制御システム工学における数学的定式化、コーディングの課題、理論的概念を扱う際のAIの強みと限界に関する定量的洞察を提供する。
  論文  参考訳（メタデータ） (2025-02-23T18:47:14Z)
• WorkArena++: Towards Compositional Planning and Reasoning-based Common Knowledge Work Tasks [85.95607119635102]
  大型言語モデル(LLM)は人間のような知性を模倣することができる。 WorkArena++は、Webエージェントの計画、問題解決、論理的/論理的推論、検索、コンテキスト的理解能力を評価するように設計されている。
  論文  参考訳（メタデータ） (2024-07-07T07:15:49Z)
• Plan-Seq-Learn: Language Model Guided RL for Solving Long Horizon Robotics Tasks [50.27313829438866]
  Plan-Seq-Learn (PSL) は、抽象言語と学習した低レベル制御の間のギャップを埋めるためにモーションプランニングを使用するモジュラーアプローチである。 PSLは85%以上の成功率、言語ベース、古典的、エンドツーエンドのアプローチを達成している。
  論文  参考訳（メタデータ） (2024-05-02T17:59:31Z)
• Analyzing LLM Usage in an Advanced Computing Class in India [4.580708389528142]
  本研究では,大規模言語モデル(LLM)を,大学院生や大学院生が高度なコンピューティングクラスにおけるプログラミング課題に活用することを検討した。 インド大学の分散システムクラスから411名の学生を対象に,総合的な分析を行った。
  論文  参考訳（メタデータ） (2024-04-06T12:06:56Z)
• Interactive Planning Using Large Language Models for Partially Observable Robotics Tasks [54.60571399091711]
  大きな言語モデル(LLM)は、オープン語彙タスクを実行するロボットエージェントを作成することで、驚くべき成果を上げている。 LLMを用いた部分的に観測可能なタスクのための対話型計画手法を提案する。
  論文  参考訳（メタデータ） (2023-12-11T22:54:44Z)
• Mastering Robot Manipulation with Multimodal Prompts through Pretraining and Multi-task Fine-tuning [49.92517970237088]
  我々はマルチモーダルなプロンプトを理解するためにロボットを訓練する問題に取り組む。 このようなタスクは、視覚と言語信号の相互接続と相補性を理解するロボットの能力にとって大きな課題となる。 マルチモーダルプロンプトを用いてロボット操作を行うためのポリシーを学習する効果的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-14T22:24:58Z)
• Chat with the Environment: Interactive Multimodal Perception Using Large Language Models [19.623070762485494]
  大型言語モデル(LLM)は、数発のロボット計画において顕著な推論能力を示している。 本研究は,LLMがマルチモーダル環境下での対話型ロボットの動作を制御し,高レベルな計画と推論能力を提供することを示す。
  論文  参考訳（メタデータ） (2023-03-14T23:01:27Z)

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。