論文の概要: Self-Building Labs
- arxiv url: http://arxiv.org/abs/2610.23826v1
- Date: Fri, 16 Oct 2026 17:48:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 00:56:08.057982
- Title: Self-Building Labs
- Title（参考訳）: セルフビルドラボ
- Abstract要約: 自己構築実験室 (SBL) を導入し, 設計, 構成, 運用を行う。
SBLは、空の部屋から動くSDLまで、すでに存在するものから始まり、欠けている機能を構築します。
このシステムは、複数のロボットが協力して作業する単一のワークステーションから研究室まで、さまざまなロボットやセットアップで動くことを実証する。
- 参考スコア（独自算出の注目度）: 9.461883739488679
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Self-driving laboratories (SDLs) accelerate scientific discovery by automating experimental execution and optimization. AI agents can increasingly propose new experiments, but existing SDLs can only run the procedures they were built for. Adapting them to a new experiment still takes extensive manual engineering, which makes laboratory flexibility the bottleneck for scaling discovery. We introduce the self-building laboratory (SBL), which designs, configures, and operates its own laboratory setup given a high-level scientific goal. SBL starts from whatever already exists, from an empty room to a working SDL, and builds the missing capabilities: the lab layout, its digital twin, robot skills, and experimental workflows. We demonstrate the system working across different robots and setups, scaling from a single workstation to laboratories with several robots working together. We validate SBL's end-to-end capabilities through a real-world quantum-dot synthesis experiment. By shifting the role of human researchers from manually configuring and programming device automation to specifying scientific objectives, SBL makes scientific automation more accessible, flexible, and scalable. Project website: https://self-building-labs.github.io/
- Abstract（参考訳）: 自動運転研究所(SDL)は、実験実行と最適化を自動化することで、科学的発見を加速する。
AIエージェントはますます新しい実験を提案するが、既存のSDLは彼らが構築した手順のみを実行することができる。
新しい実験に適応するには、まだ広範囲な手作業のエンジニアリングが必要で、実験室の柔軟性が発見のスケーリングのボトルネックとなる。
我々は、高レベルの科学的目標を前提として、自己構築実験室(SBL)を導入し、その設計、構成、運営を行う。
SBLは、空の部屋から動くSDLまで、すでに存在するものから始まり、実験室のレイアウト、デジタルツイン、ロボットのスキル、実験ワークフローなど、欠けている機能を構築する。
このシステムは、複数のロボットが協力して作業する単一のワークステーションから研究室まで、さまざまなロボットやセットアップで動くことを実証する。
実世界の量子ドット合成実験により,SBLのエンドツーエンド能力を検証する。
人間の研究者の役割を手動で設定し、プログラムする装置の自動化から、科学的な目的を指定に移すことで、SBLは科学的な自動化をよりアクセスしやすく、柔軟で、スケーラブルにする。
プロジェクトウェブサイト: https://self-build-labs.github.io/
関連論文リスト
- LabInstruct: Benchmarking Situated Instructional Video Generation for Lab Procedures [18.15040290176653]
人間は、AI生成計画と物理実験の間の重要な実行インターフェースのままである。
近年のビデオ生成の進歩により,初期のワークスペースイメージと自然言語命令から直接実験的なデモを合成できるようになった。
そこで本研究では,実実験室における位置対応ビデオ生成のベンチマークであるLabInstructを紹介する。
論文 参考訳（メタデータ） (2026-09-29T12:00:06Z) - WetRobo: A Reproducible Robot Kit for Coding Agents in Biological Laboratories [17.98502674674939]
汎用武器には視覚言語対応のポリシーが提案されているが、動作環境が変化すると性能が低下する可能性がある。
WetRoboは、実験室間で簡単に移動できるロボットキットだ。
生物学的実験者は、ローカル遠隔操作トレーニングデータを収集したり、ニューラルネットワークをトレーニングすることなく、自然言語タスクを提供する。
論文 参考訳（メタデータ） (2026-09-16T10:27:32Z) - A Programmable Optics Cloud Laboratory [2.442788988168204]
我々は、再構成可能な光学実験を容易にプログラムし、操作し、再現できるように設計された、ロボットクラウドコラボレーションアーキテクチャであるPICOを紹介する。
PICOは、実験的な設定とアクションを制御することができる共通のドメイン固有の抽象化とソフトウェア層を提供する。
これにより、同じ物理的実験室がリモートインタラクティブな使用、スクリプト実験、自律ルーチン、バージョン管理などの機能をサポートすることができる。
論文 参考訳（メタデータ） (2026-09-14T22:37:33Z) - LabVLA: Grounding Vision-Language-Action Models in Scientific Laboratories [95.20367571157679]
Vision-Language-Action (VLA) モデルは、記述されたプロトコルとロボット実行の間の1つの可能なインターフェースを提供する。
既存の政策は、主に家庭やテーブルトップのデモンストレーションに基づいて訓練されており、機器、透明な液体、または科学実験室で見られる固定されたプロトコルに遭遇することは滅多にない。
まず、Qwen3-VL-4B-インストラクションバックボーンアクションを学習する前に認識させ、フローマッチング後トレーニングを行い、次に知識絶縁下でDiTアクションエキスパートをアタッチする。
論文 参考訳（メタデータ） (2026-06-11T17:03:53Z) - Claw AI Lab: An Autonomous Multi-Agent Research Team [73.07229229907435]
今回紹介するClaw AI Labは,ラボネイティブな自律型研究プラットフォームである。
1つのエージェントや固定されたシリアルワークフローを中心にシステムを集中するのではなく、ユーザーは1つのプロンプトから完全な研究チームをインスタンス化できる。
Claw-Code Harnessはローカル、データセット、チェックポイントを接続して実行可能な実験を行い、実行成果物を研究ループにフィードバックする。
論文 参考訳（メタデータ） (2026-05-21T16:02:53Z) - Experiment-as-Code Labs: A Declarative Stack for AI-Driven Scientific Discovery [16.75156456478123]
我々はExperiment-as-Code (EaC) Labs'と呼ばれる新しいパラダイムを提案する。
EaC Labsは、実験をデバイスレベルのAPIにコンパイル可能な宣言型構成としてエンコードする。
これは、科学、実験室、楽器に依存しない一般的なスタックです。
論文 参考訳（メタデータ） (2026-05-06T00:50:34Z) - Sci-VLA: Agentic VLA Inference Plugin for Long-Horizon Tasks in Scientific Experiments [49.02509634515056]
最近のビジョン言語アクションモデルは、ロボット研究所にとって有望な基盤を提供する。
実験は通常、複数の原子タスクからなる長い水平タスクを含む。
科学的なタスクのために微調整されたVLAモデルは、原子実験的なアクションを確実に実行することができるが、これらの既知の原子のアクションを再順序付けして構成することによって形成される複合的なタスクの実行に失敗することが多い。
論文 参考訳（メタデータ） (2026-02-10T05:50:19Z) - LabOS: The AI-XR Co-Scientist That Sees and Works With Humans [51.025615465050635]
LabOSは、計算推論と物理実験を結びつける最初のAI共同科学者である。
マルチモデルAIエージェント、スマートグラス、人間とAIのコラボレーションを接続することで、LabOSはAIが科学者が見ているものを確認し、実験コンテキストを理解し、リアルタイム実行を支援することができる。
論文 参考訳（メタデータ） (2025-10-16T16:36:22Z) - Position: Intelligent Science Laboratory Requires the Integration of Cognitive and Embodied AI [98.19195693735487]
知的科学研究所(ISL)のパラダイムを提案する。
ISLは、認知と具体的知性を深く統合した多層クローズドループフレームワークである。
このようなシステムは、現在の科学的発見の限界を克服するために不可欠である、と我々は主張する。
論文 参考訳（メタデータ） (2025-06-24T13:31:44Z) - NIMS-OS: An automation software to implement a closed loop between
artificial intelligence and robotic experiments in materials science [1.9981375888949475]
NIMS-OSは、人間の介入なしにロボット実験と人工知能(AI)のクローズドループを実現するために開発されたPythonライブラリである。
様々な組み合わせのモジュールを使って自律的に動作している。
NIMS自動ロボット電気化学実験(NAREE)と呼ばれるシステムは、ロボット実験装置のセットとして利用可能である。
論文 参考訳（メタデータ） (2023-04-27T02:42:52Z)
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。