論文の概要: Industrial Agentic AI: LLM-Driven New-Generation Agents for Smart Manufacturing
- arxiv url: http://arxiv.org/abs/2610.26941v1
- Date: Sun, 18 Oct 2026 03:56:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-21 21:58:47.403151
- Title: Industrial Agentic AI: LLM-Driven New-Generation Agents for Smart Manufacturing
- Title（参考訳）: 産業用エージェントAI: スマートマニュファクチャリングのためのLCM駆動の新世代エージェント
- Abstract要約: 本稿では,大規模言語モデル(LLM)による産業エージェントの体系的概要について述べる。
まず,5つの課題を分析し,産業エージェントの概念とコア特性について考察する。
次に、アプリケーションシナリオ、実施形態、および5つの能力レベルをカバーする統合分類を確立します。
- 参考スコア（独自算出の注目度）: 33.22430221943808
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large language models (LLMs) are enabling agents to move beyond predefined workflows toward autonomous planning and execution, creating new opportunities for smart manufacturing. However, dynamic environments, complex physical constraints, and stringent reliability requirements hinder the direct deployment of general-purpose agents in smart manufacturing. This article presents a systematic overview of LLM-driven industrial agents. First, we analyze five key challenges and discuss the concept and core characteristics of industrial agents. We then establish a unified taxonomy covering application scenarios, embodiment forms, and five capability levels. Next, we propose a four-layer system architecture and detail its core modules and operational mechanisms for closed-loop task execution. Finally, we review representative applications across the industrial lifecycle and outline future research directions. This article provides a structured reference for the design, development, and application of industrial agents.
- Abstract（参考訳）: 大規模言語モデル(LLM)は、エージェントが事前に定義されたワークフローから自律的な計画と実行への移行を可能にし、スマート製造の新しい機会を生み出している。
しかし、動的環境、複雑な物理的制約、厳密な信頼性要件は、スマート製造における汎用エージェントの直接配置を妨げる。
本稿では, LLM駆動型産業用エージェントの系統的概要について述べる。
まず,5つの課題を分析し,産業エージェントの概念とコア特性について考察する。
次に、アプリケーションシナリオ、実施形態、および5つの能力レベルをカバーする統合分類を確立します。
次に、4層システムアーキテクチャを提案し、そのコアモジュールとクローズドループタスク実行の動作機構を詳述する。
最後に,産業ライフサイクルにおける代表的応用を概観し,今後の研究の方向性について概説する。
本稿では, 産業用エージェントの設計, 開発, 適用に関する構造的基準を提供する。
関連論文リスト
- Empowering Real-World: A Survey on the Technology, Practice, and Evaluation of LLM-driven Industry Agents [63.03252293761656]
本稿では,大規模言語モデル(LLM)に基づく産業エージェントの技術,応用,評価手法を体系的にレビューする。
エージェント能力の進歩を支える3つの重要な技術柱として,記憶,計画,ツール利用について検討する。
本稿では,デジタル工学,科学的発見,具体的インテリジェンス,協調ビジネス実行,複雑なシステムシミュレーションといった実世界の領域における産業エージェントの応用の概要について述べる。
論文 参考訳（メタデータ） (2025-10-20T12:46:55Z) - A Survey on Agentic Multimodal Large Language Models [84.18778056010629]
エージェントマルチモーダル大言語モデル(Agentic MLLMs)に関する総合的な調査を行う。
我々は,エージェントMLLMの新たなパラダイムを探求し,その概念的基盤を明確にし,従来のMLLMエージェントとの特徴を区別する。
コミュニティのためのこの分野の研究をさらに加速するため、エージェントMLLMを開発するためのオープンソースのトレーニングフレームワーク、トレーニングおよび評価データセットをコンパイルする。
論文 参考訳（メタデータ） (2025-10-13T04:07:01Z) - The Landscape of Agentic Reinforcement Learning for LLMs: A Survey [103.32591749156416]
エージェント強化学習(Agentic RL)の出現は、大規模言語モデル(LLM RL)に適用された従来の強化学習からパラダイムシフトを示している。
本研究では, LLM-RLの縮退した単段階マルコフ決定過程(MDPs)と, エージェントRLを定義する部分可観測マルコフ決定過程(POMDPs)とを対比することにより, この概念シフトを定式化する。
論文 参考訳（メタデータ） (2025-09-02T17:46:26Z) - OS Agents: A Survey on MLLM-based Agents for General Computing Devices Use [101.57043903478257]
アイアンマンの架空のJ.A.R.V.I.Sほど有能で多用途なAIアシスタントを作る夢は、長い間想像力に恵まれてきた。
マルチモーダル(multi-modal)な大きな言語モデル((M)LLMs)の進化により、この夢は現実に近づいている。
本調査は,OSエージェント研究の現状を整理し,学術調査と産業開発の両方の指針を提供する。
論文 参考訳（メタデータ） (2025-08-06T14:33:45Z) - A Survey on Code Generation with LLM-based Agents [61.474191493322415]
大規模言語モデル(LLM)を利用したコード生成エージェントは、ソフトウェア開発パラダイムに革命をもたらしている。
LLMは3つのコア特徴によって特徴づけられる。
本稿では,LLMに基づくコード生成エージェントの分野を体系的に調査する。
論文 参考訳（メタデータ） (2025-07-31T18:17:36Z) - Agentic AI for Intent-Based Industrial Automation [0.6906005491572401]
この研究は、エージェントAIとインテントベースのパラダイムを統合する概念的フレームワークを提案する。
このフレームワークは意図に基づく処理に基づいて、人間のオペレーターが自然言語でハイレベルなビジネスや運用目標を表現できるようにする。
CMAPSSデータセットとGoogle Agent Developer Kit (ADK)を使って概念実証を行った。
論文 参考訳（メタデータ） (2025-06-05T12:50:54Z) - Bridging Industrial Expertise and XR with LLM-Powered Conversational Agents [2.526333884960815]
本稿では,大規模言語モデル(LLM)と拡張現実感(XR)との新たな統合を提案する。
提案システムは、自然言語インタフェースを通じて、ドメイン固有の産業知識をXR環境に組み込み、労働者のためのハンズフリーでコンテキスト対応のエキスパートガイダンスを可能にする。
論文 参考訳（メタデータ） (2025-04-07T22:02:19Z) - AgentSquare: Automatic LLM Agent Search in Modular Design Space [16.659969168343082]
大規模言語モデル(LLM)は、幅広い複雑なタスクを処理できるエージェントシステムの急速な成長をもたらした。
Modularized LLM Agent Search (MoLAS) という新しい研究課題を紹介した。
論文 参考訳（メタデータ） (2024-10-08T15:52:42Z)
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。