論文の概要: Adaptive Control of Scientific Instruments with Nonstationary Responses through Multimodal Agents

• arxiv url: http://arxiv.org/abs/2610.32370v1
• Date: Fri, 23 Oct 2026 08:59:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.441854
• Title: Adaptive Control of Scientific Instruments with Nonstationary Responses through Multimodal Agents
• Title（参考訳）: マルチモーダルエージェントによる非定常応答科学機器の適応制御
• Abstract要約: 磁気閉じ込め核融合装置における中性ビーム注入(NBI)イオン源のショット・ツー・ショットチューニングは、この種の問題の代表である。 3つの独立した監査可能なコンポーネントを持つ物理接地型マルチモーダルエージェントを提案する。 EXL-50Uの4つのプラットフォームからの455ショットの厳密な時間的リプレイでは、物理シンボルだけでは、品質分類のためのマクロF1において、0.21-0.32の波形画像よりも優れていた。
• 参考スコア（独自算出の注目度）: 3.935277397213706
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Controlling scientific instruments requires parameters to be adjusted progressively in response to feedback from successive operations. When unobserved operating conditions evolve with operational history, responses become nonstationary, and a static mapping from actions to responses becomes inadequate for decisions across shots. Shot-to-shot tuning of neutral beam injection (NBI) ion sources in magnetic confinement fusion devices is representative of this class of problems: the conditions of electrode surfaces and vacuum are difficult to observe directly, discharge outcomes vary between shots, and experiments are costly and carry operational risks. We propose a physically grounded multimodal agent with three independently auditable components. Deterministic algorithms extract symbolic physical quantities and visual evidence from multichannel waveforms; a memory with two layers organizes trajectories from the current task, experience from earlier tasks, and procedural knowledge, from which a multimodal large language model (MLLM) generates candidate actions; and an independent action feasibility check enforces action constraints before execution. In a strictly chronological replay of 455 shots from four EXL-50U platforms, physical symbols alone outperformed waveform images alone by 0.21-0.32 in macro-F1 for quality classification across all four evaluated models. Retrieved context increased the mean agreement with historical action directions by 22.4-42.7 percentage points, whereas the contribution of visual evidence varied across models. Under supervised operation on five ion sources, the system achieved a beam-extraction rate of 86.80% across 409 executed shots. These results demonstrate the engineering feasibility of the framework for supervised sequential tuning on a physical scientific instrument.
• Abstract（参考訳）: 科学機器の制御には、連続した操作からのフィードバックに応じてパラメータを段階的に調整する必要がある。 未観測の動作条件が運用履歴とともに進化すると、応答は非定常となり、アクションから応答への静的マッピングはショット全体の決定には不十分になる。 磁気閉じ込め核融合装置における中性ビーム注入(NBI)イオン源のショット・ツー・ショットチューニングは、電極表面と真空の条件を直接観察することが困難であり、発射結果がショット間で異なり、実験はコストが高く、運用上のリスクを負う。 3つの独立した監査可能なコンポーネントを持つ物理接地型マルチモーダルエージェントを提案する。 決定論的アルゴリズムは、多チャンネル波形から記号的物理量と視覚的証拠を抽出し、二つの層を持つメモリは、現在のタスクからのトラジェクトリ、初期のタスクからの体験、手続き的知識を整理し、マルチモーダルな大規模言語モデル(MLLM)が候補行動を生成する。 EXL-50Uの4つのプラットフォームからの455ショットの厳密な時間的リプレイでは、物理シンボルだけでは、4つの評価されたモデルすべてで品質分類を行うために、マクロF1において0.21-0.32の波形画像よりも優れていた。 回収された文脈は、歴史的行動方向との平均的な一致を22.4-42.7ポイント増加させ、一方、視覚的証拠の寄与はモデルによって異なる。 5つのイオン源の監督された操作の下で、このシステムは409発の射程で86.80%のビーム抽出速度を達成した。 これらの結果は,物理機器上での逐次的チューニングを指導するためのフレームワークの工学的実現可能性を示すものである。

関連論文リスト

• Multimodal Embodied Agents: A Unified Capability-centric Perspective from Computer-Use to Robot-Use [58.76291579990208]
  我々は,マルチモーダルなタスク推論と物理行動を組み合わせた目標指向システムとして,MMEA(Multimodal embodied Agent)を定義した。 マルチモーダルエージェントがコンピュータ利用からロボット利用に移行すると、どう変わるのか? PAPAVは、5つの繰り返し機能からなる統合機能中心のフレームワークである。現在の状態を理解し、アクション効果を予測し、実行可能なコースを計画し、インターフェースまたはボディを介して実行し、その結果を検証する。
  論文  参考訳（メタデータ） (2026-10-21T17:52:48Z)
• Transolver-$σ$: Joint Spectral-Physical Subspace Modeling for Neural PDE Solving [53.58729034895666]
  Transolver-$は、結合スペクトル-物理部分空間モデリングに基づくニューラルPDEソルバである。 平均的な相対誤差を33.4%減らし、各基準に対して最強の基準線を上回り、最先端を達成している。
  論文  参考訳（メタデータ） (2026-09-29T11:24:19Z)
• Vision-Language Agents for Active Perception in Optics Laboratories [2.1294282254359613]
  視覚言語モデル(VLM)は、科学研究にますます使われてきているが、視覚フィードバックから実験室実験を直接制御する能力は、まだ探索されていない。 実験用光学系をテストベッドとして, 一般用VLMがこのような閉ループ科学制御を行えるかを検討した。 タスク固有の自然言語指導が与えられた場合、VLMはアクチュエータと応答の関係を推定し、介入を通してあいまいな観察を解決し、信号が疎いときに積極的に視覚的フィードバックを生成できる。
  論文  参考訳（メタデータ） (2026-09-26T20:11:10Z)
• PredActor: Predictive Action Diffusion for Steerable Onboard Humanoid Control [49.348182500314614]
  アクションのみの拡散は直接アクションを生成するが、テスト時間運動の目的に対する明示的な将来の軌道は欠如している。 連立状態-作用拡散はこの表現を提供するが、代表コントローラはしばしば特権付きフルボディ状態に依存する。 提案するPredActorは,これらのステアリングを直接実行されるポリシに含める,予測的行動拡散ポリシである。
  論文  参考訳（メタデータ） (2026-09-21T16:20:25Z)
• LIBERO-VPro: Benchmarking Closed-Loop Visual Robustness of Robotic Foundation Models [61.038310084204056]
  本稿では,ロボット基礎モデルの閉ループ視覚的堅牢性を評価するためのベンチマークであるLIBERO-VProを紹介する。 約196,000回にわたって3つの視覚言語行動モデルと3つの世界行動モデルを評価した。 以上の結果から,強い名目性能は視覚的接地や適応において重大な弱点を隠蔽する可能性が示唆された。
  論文  参考訳（メタデータ） (2026-09-21T09:43:41Z)
• Task-Relevant Feature-Dynamics Fidelity Enables Zero-Shot Sim-to-Real Transfer for Robotic Ultrasound Scanning [58.25007580703646]
  我々は,共有構造中間領域,軌道レベルの固定雑音,数ステップの条件流生成を組み合わせたTR指向超音波シミュレータを開発した。 ファントム実験では、4つの標的機に400発のゼロショット配置のうち390発が成功した。
  論文  参考訳（メタデータ） (2026-08-30T02:37:00Z)
• EarthVerse: Benchmarking Scientific Agents Across Dynamic Earth Systems and Natural Hazards [73.12811119273206]
  我々は,包括的調査を通じて科学的エージェントを評価するベンチマークであるEarthVerseを紹介する。 エージェントは異種イベントパッケージを検査し、互換性のあるエビデンスを選択し、透過的な計算を実行し、ソース差を調整し、最終回答で証明を保存する。 システム全体では、平均回答ユニットの精度は84.65%であり、最も高いStrict@95は34.81%である。
  論文  参考訳（メタデータ） (2026-08-24T17:29:16Z)
• Failure Detection for Surgical Robot Imitation Policies via Flow-Matching World Modeling [11.44542391067398]
  本稿では,FoMo-FDを提案する。FoMo-FDは,動作条件付きフローマッチング世界モデルを用いて,名目上の短期的視覚力学を学習する故障検出手法である。 我々はFoMo-FDをシミュレーションと実世界の実験で20の障害モードを持つ4つの手術関連操作タスクで評価した。 その結果、FoMo-FDは観測レベルの異常ベースラインと、同じ世界モデルの予測エラー変異よりも優れていた。
  論文  参考訳（メタデータ） (2026-07-29T22:55:54Z)
• Detection Without Correction: A Two-Parameter Decomposition of Multi-Stage LLM Pipelines [0.764671395172401]
  本稿では,マルチエージェントの議論,本質的な自己補正,検索強化検証パイプラインについて検討する。 条件付き誤り訂正率は一貫して支配的である。 検出しきい値を安定モデル/プロトコールレベルの正則性として特徴付ける。
  論文  参考訳（メタデータ） (2026-05-26T18:26:15Z)
• Learning Action-based Representations Using Invariance [18.1941237781348]
  我々は,制御に関係のある遠隔状態の特徴を割引する多段階制御可能性指標を学習するアクションビシミュレーション符号化を導入する。 我々は,報酬のない一様ランダムなデータに基づく行動ビシミュレーション事前学習が,複数の環境におけるサンプル効率を向上させることを実証した。
  論文  参考訳（メタデータ） (2024-03-25T02:17:54Z)

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。