論文の概要: End-to-End Autonomous Generation of Human Assembly Plans
- arxiv url: http://arxiv.org/abs/2610.09781v1
- Date: Wed, 07 Oct 2026 10:01:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 21:58:22.849108
- Title: End-to-End Autonomous Generation of Human Assembly Plans
- Title（参考訳）: 組立計画のエンド・ツー・エンド自動生成
- Abstract要約: 我々は、アセンブリー(DfA)の原則の設計を、アセンブリープランを生成するための包含されたエンドツーエンドのアプローチにエンコードする。
このアプローチでは、メッシュアセンブリのみを使用して、ステップバイステップのアセンブリマニュアルか、構造化された障害レポートを生成する。
提案されたアプローチとオープンソースコードは、製造計画の作成を迅速化しようとするエンジニアまたはAIエージェントによって使用することができる。
- 参考スコア（独自算出の注目度）: 3.005158583027536
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Turning a CAD design into an assembly plan is still largely done by hand, requiring engineers to reason about geometric feasibility, tool access, stability, and the ergonomics of human assembly. In this work, we encode long-established design for assembly (DfA) principles into a contained, end-to-end approach for generating assembly plans. Our approach takes only a mesh assembly and produces either a step-by-step assembly manual or a structured failure report, requiring no joint metadata, fastener annotations, or additional information. Four major components of a manufacturing plan are addressed autonomously: an assembly tool list, the assembly sequence and subassemblies, an assembly manual, and design feedback for improving assemblability. For determining the sequence plan, we systematically disassemble the object in a physics simulator and apply a cost function that encodes DfA principles. Manual generation, tool labelling, and assembly feedback rely primarily on multimodal large language models. Compared with a baseline that always removes the outermost part first from Tian et al., DfA-aware sequence planning reduces simulated assembly time, measured with a robot-arm assembly-time proxy, by 35% on 136 assemblies of 5 to 30 parts. The correct tool is selected for 88.6% of assembly steps. A vision-language model judge compares the generated manuals against ablated variants, identifying which page elements carry the information a reader needs. The presented approach and open-source code are available for use by engineers or AI agents looking to rapidly accelerate the creation of manufacturing plans for a given product design.
- Abstract（参考訳）: CAD設計を組み立て計画に変換することは、エンジニアが幾何学的実現性、ツールアクセス、安定性、そして人間の組み立ての人間工学について考える必要がある。
本研究は,組立計画生成のための組立設計(DfA)を包含したエンドツーエンドのアプローチにエンコードする。
このアプローチでは、メッシュアセンブリのみを使用して、ステップバイステップのアセンブリマニュアルあるいは構造化された障害レポートを生成し、共同メタデータやファスナーアノテーション、追加情報を必要としない。
製造計画の主要な4つの構成要素は、組み立てツールリスト、組み立てシーケンスとサブアセンブリ、組み立てマニュアル、組み立て可能性を改善する設計フィードバックである。
シーケンス計画を決定するために,DfAの原理を符号化するコスト関数を適用した物理シミュレータでオブジェクトを体系的に分解する。
手動生成、ツールラベリング、アセンブリフィードバックは主にマルチモーダルな言語モデルに依存している。
Tian et al から最外側を常に取り除くベースラインと比較して、DfA対応シーケンスプランニングは、ロボットアーム組立時間プロキシで測定されたシミュレーション組立時間を、5〜30部品の136アセンブリで35%削減する。
正しいツールが88.6%の組立ステップで選択される。
視覚言語モデル審査員は、生成されたマニュアルを短縮された変種と比較し、どのページ要素が読者が必要とする情報を運ぶかを特定する。
提案されたアプローチとオープンソースコードは、特定の製品設計のための製造計画の作成を迅速化するために、エンジニアまたはAIエージェントによって使用することができる。
関連論文リスト
- On-Demand Robotic Assembly via Differentiable Geometric Part Repair [2.2091520005716903]
本稿では, 木製集合体の設計と物理的構築のためのエンド・ツー・エンドの自律パイプラインを提案する。
生成AIエージェントのユーザは、設計の視覚的忠実度と特定の物理的制約とのバランスを取りながら、初期3Dジオメトリに変換する。
10の構造物に対して、2つのUR5eロボットを用いて物理的に組立性を示す。
論文 参考訳（メタデータ） (2026-10-07T09:57:40Z) - CAD-Based Relation Learning and Geometric-Symbolic Planning for Robotic Assembly [0.8594140167290097]
本稿では,学習に基づく関係抽出と幾何学的シンボリック推論を組み合わせたハイブリッドASPフレームワークを提案する。
ニューラルネットワークはポイントクラウドからセマンティックな関係を予測し、Human-in-the-loop検証は不確実な予測と計画上の失敗の修正を可能にする。
提案したハイブリッドフレームワークにより,CADデータから効率的なロボット組立計画が可能であり,計画時間を大幅に短縮できることを示す。
論文 参考訳（メタデータ） (2026-09-15T14:43:25Z) - Procedura: Agentic 3D Modeling with Procedural Control [52.232812096564906]
Proceduraは、オブジェクトを手続き的なアセンブリとして記述する、新しい3Dモデリングエージェントフレームワークである。
テキストプロンプトから、エージェントはアセンブリグラフとしてオブジェクトを計画し、プログラム部分を部分的に書きます。
分離された視覚評論家は、一度に診断された修正を精製する。
論文 参考訳（メタデータ） (2026-08-26T17:54:39Z) - Specifications: The missing link to making the development of LLM systems an engineering discipline [65.10077876035417]
我々は、構造化出力、プロセスの監督、テストタイム計算など、これまでの分野の進歩について論じる。
モジュール型かつ信頼性の高いLCMシステムの開発に向けた研究の今後の方向性について概説する。
論文 参考訳（メタデータ） (2024-11-25T07:48:31Z) - Physics-Aware Combinatorial Assembly Sequence Planning using Data-free Action Masking [6.919208054874144]
Combinatorのアセンブリは、標準化されたユニットプリミティブを使用して、ユーザ仕様を満たすオブジェクトを構築する。
本稿では,物理組立のためのアセンブリ・シーケンス・プランニング(ASP)について検討する。
我々は、目的物を構築するために、ユニットプリミティブを逐次配置するための建設方針を学ぶために、深層強化学習を採用する。
論文 参考訳（メタデータ） (2024-08-19T17:16:35Z) - TreeSBA: Tree-Transformer for Self-Supervised Sequential Brick Assembly [51.29305265324916]
入力された多視点画像から連続的な組立動作を予測するために,クラスに依存しないツリー・トランスフォーマフレームワークを提案する。
逐次レンガ組立作業の大きな課題は、ステップワイドアクションラベルが実際に入手するのに費用がかかり、面倒であることである。
我々は、合成から現実への移行学習を活用することにより、この問題を緩和する。
論文 参考訳（メタデータ） (2024-07-22T14:05:27Z) - Multi-level Reasoning for Robotic Assembly: From Sequence Inference to
Contact Selection [74.40109927350856]
本稿では,PAST(Part Assembly Sequence Transformer)を用いて,対象とするブループリントからアセンブリシーケンスを推論する。
次に、モーションプランナーと最適化を使用して、部品の動きと接触を生成する。
実験結果から,本手法は従来手法よりも一般化されていることがわかった。
論文 参考訳（メタデータ） (2023-12-17T00:47:13Z) - ASAP: Automated Sequence Planning for Complex Robotic Assembly with
Physical Feasibility [27.424678100675163]
本稿では,一般型アセンブリのシーケンスを自動生成する物理ベースの計画手法であるASAPを提案する。
サーチは、シミュレーションラベルでデータに基づいてトレーニングされた幾何学的またはグラフニューラルネットワークによってガイドすることができる。
数百の複雑な製品集合体からなる大規模データセット上で, 物理的に現実的な組み立て計画を生成する上で, ASAPの優れた性能を示す。
論文 参考訳（メタデータ） (2023-09-29T00:27:40Z) - Guess & Sketch: Language Model Guided Transpilation [59.02147255276078]
学習されたトランスパイレーションは、手作業による書き直しやエンジニアリングの取り組みに代わるものだ。
確率的ニューラルネットワークモデル(LM)は、入力毎に可塑性出力を生成するが、正確性を保証するコストがかかる。
Guess & Sketch は LM の特徴からアライメントと信頼性情報を抽出し、意味的等価性を解決するためにシンボリック・ソルバに渡す。
論文 参考訳（メタデータ） (2023-09-25T15:42:18Z)
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。