論文の概要: VIGOR: Verifiable Industrial Geometry Optimization and Repair in Scene Programs
- arxiv url: http://arxiv.org/abs/2610.13145v1
- Date: Fri, 09 Oct 2026 07:34:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.456764
- Title: VIGOR: Verifiable Industrial Geometry Optimization and Repair in Scene Programs
- Title（参考訳）: VIGOR:現場における産業形状最適化と修復の検証
- Abstract要約: そこでは, 局所的な可算配置が世界規模で実現不可能な, 実行可能性-エンジニアリング-実現可能性ギャップを同定する。
本稿では,教師付きシーンプログラム生成と実行地上検証と幾何学的洗練を併用したVIGORを提案する。
- 参考スコア（独自算出の注目度）: 18.946994375571784
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large language models (LLMs) increasingly generate structured layouts and executable scene programs from natural-language instructions. However, executability does not imply engineering feasibility: an industrial scene program may execute successfully while its final state still violates coupled boundary, collision, clearance, aisle, or structural constraints. We identify this mismatch as the executability-engineering-feasibility gap, where locally plausible placements can remain globally infeasible because corrections to one device may introduce violations elsewhere. To make this gap measurable in a controlled setting, we construct an execution-grounded industrial scene-program dataset with 1,749 constructible scenarios, complete executable programs, and 94 final-state geometric checks per scenario. We further propose VIGOR, which combines supervised scene-program generation with execution-grounded verification and staged geometric refinement. Supervised fine-tuning establishes complete program generation, local projection resolves independently correctable violations, and joint conflict-graph repair coordinates residual multi-object conflicts while preserving structural relations. Experiments show that VIGOR achieves 96.86% Complete Feasibility and an Overall score of 91.20, outperforming the strongest evaluated baseline by 10.42 points in Overall. These results show that, under controlled industrial layout conditions, reliable scene-program generation requires not only executable programs, but also explicit verification and coordinated resolution of coupled engineering constraints.
- Abstract（参考訳）: 大規模言語モデル(LLM)は、自然言語命令から構造化されたレイアウトと実行可能なシーンプログラムを生成する。
産業シーンプログラムは、最終的な状態が結合境界、衝突、クリアランス、通路、構造的制約に違反している間も、正常に実行することができる。
我々は、このミスマッチを実行可能性-エンジニアリング-フィーザビリティギャップとみなし、あるデバイスへの修正が他のデバイスに違反をもたらす可能性があるため、局所的にもっともらしい配置は、グローバルに実現不可能である。
このギャップを制御した環境で測定できるようにするために,1,749個の構成可能なシナリオ,完全な実行プログラム,94個の最終状態幾何チェックを備えた産業シーンプログラミングデータセットを構築した。
さらに,教師付きシーンプログラム生成と実行地上検証と幾何学的洗練を併用したVIGORを提案する。
監督された微調整は完全なプログラム生成を確立し、局所予測は独立して修正可能な違反を解決し、合同コンフリクトグラフ修復は構造的関係を維持しながら残留する複数オブジェクトの衝突を調整する。
実験の結果、VIGORは96.86%の完全実現率と91.20のスコアを達成し、総合評価ベースラインを10.42ポイント上回った。
これらの結果は、制御された産業レイアウト条件下では、信頼できるシーンプログラム生成には実行可能なプログラムだけでなく、明示的な検証と協調したエンジニアリング制約の解決が必要であることを示している。
関連論文リスト
- VETR: Execution-Grounded Self-Improving Agent for Symbolic Graphics Reasoning [8.963101433650596]
本稿では,シンボル図形推論のための実行可能世界表現に対するエージェント的自己改善を実現するフレームワークVETRを提案する。
各タスク内では、VETRはプログラム/レンダーレコードとバウンダリのランタイム観測を保持する。
精製器は、キャプチャされたランタイム状態に対してエンドポイントと保存条件を検証する。
補修構造は追加の言語モデル呼び出しをしないが、追加の実行が必要になる。
論文 参考訳（メタデータ） (2026-10-09T06:51:59Z) - MaLiang-Harness: A Programmable Path to Image and Video Generation [131.25289080401856]
本稿では,MLLMによる視覚生成を永続的な構築・検査・修正プロセスにまとめるフレームワークであるMaLiang-Harnessを紹介する。
我々は,MaLiang-IBench上の11個の強力なクローズソースMLLMとMaLiang-VBench上の4つのMLLMを評価し,生成成功,視覚的品質,計算コストを測定した。
論文 参考訳（メタデータ） (2026-09-28T04:48:06Z) - CARE: Experience-Guided Atomic Corrective Execution for Vision-Language-Action Policies [52.32735203969873]
VLA(Vision-Language-Action)ポリシーは、ロボット操作において強力なパフォーマンスを達成するが、実行が名目上の軌道から逸脱した後も不安定なままである。
本稿では,実行時に発生する障害から学習することで回復を改善するフレームワークであるCARE(Corrective Atomic Robotic Execution)を提案する。
論文 参考訳（メタデータ） (2026-09-21T05:14:34Z) - Breaking Planner Integrity Boundary: Enviroment State-Text Injection Attack on LLM-Driven Embodied Agents [19.561832878935505]
本稿では,大規模言語モデル(LLM)駆動型エンボディエージェントに対する環境状態テキストインジェクション(ESTI)攻撃について紹介する。
ESTIは、敵の目的を現在の環境と互換性のある偽の状態証拠として再構成する。
ESTIは既存のベースラインを一貫して上回り、計画レベルと実行レベルの攻撃成功率をそれぞれ89.32%、43.69%改善している。
論文 参考訳（メタデータ） (2026-08-17T17:02:07Z) - StructureClaw: Traceable LLM Agents and an Executable Benchmark for Structural Engineering Workflows [15.552044829103373]
構造工学要求のためのアーティファクト中心のワークベンチであるStructureClawを紹介します。
また、150の制御シナリオの実行可能なベンチマークであるStructureClaw-Benchを紹介します。
同じ50の標準ケースで評価された10のエージェントモデル構成の中で、平均成功率は56.8%、ジェネリックスキルベースラインは88.6%、完全な自動ワークフローは88.6%となっている。
論文 参考訳（メタデータ） (2026-07-16T12:13:41Z) - ClawForge: Generating Executable Interactive Benchmarks for Command-Line Agents [59.626170560327274]
textbfClawForgeは、ステートコンフリクト下で実行可能なコマンドラインカテゴリのためのジェネレータベースのベンチマークフレームワークである。
私たちはこのフレームワークをClawForge-Bench(17のシナリオ、6の能力カテゴリ)としてインスタンス化します。
論文 参考訳（メタデータ） (2026-05-13T21:34:08Z) - PIVOT: Bridging Planning and Execution in LLM Agents via Trajectory Refinement [22.285969725581044]
大規模言語モデル(LLM)ベースのエージェントは、実行時に失敗するように見える一貫性のある計画を生成する。
PIVOTは、トラジェクトリを最適化可能なオブジェクトとして、環境相互作用を通じて反復的に洗練する自己管理フレームワークを通じて、この計画実行ミスアライメントに対処する。
論文 参考訳（メタデータ） (2026-05-11T20:43:20Z) - CellScientist: Dual-Space Hierarchical Orchestration for Closed-Loop Refinement of Virtual Cell Models [62.281480231694]
VCM(Virtual Cell Modeling)は、摂動応答を予測できるだけでなく、予測が失敗した場合にターゲットリビジョンをサポートするモデルを必要とする。
現在のLCM支援モデリングでは、予測誤差が実行可能実装を通して観測されるという改善ルーティング問題に直面している。
提案するCellScientistは,高レベル仮説空間と低レベル実行可能実装空間を結合した,二重空間階層型フレームワークである。
論文 参考訳（メタデータ） (2026-05-08T06:40:24Z) - IMPACT: A Dataset for Multi-Granularity Human Procedural Action Understanding in Industrial Assembly [79.737814043505]
IMPACTは、デプロイメント指向の産業手続き的理解のための5ビューのRGB-Dデータセットである。
実際の組み立てと、プロ向けのツールを備えた商業用アングルグラインダーの分解を中心に構築されている。
論文 参考訳（メタデータ） (2026-04-12T02:09:19Z) - AeroTherm-GPT: A Verification-Centered LLM Framework for Thermal Protection System Engineering Workflows [6.827888117503221]
汎用大規模言語モデル(LLM)は、安全クリティカルエンジニアリングに固有の連続したマルチゲート制約を満たすことができない。
本稿では,最初のTLS特化LDMエージェントであるAeroTherm-GPTを提案する。
AeroTherm-GPT 8はEnd-to-End Success Rate CI: 87.5-89.9を達成する。
論文 参考訳（メタデータ） (2026-04-02T08:01:24Z)
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。