論文の概要: Can AI Agents Help Robotic Engineers? Lessons from Two Focus Days in Industry

• arxiv url: http://arxiv.org/abs/2610.32636v1
• Date: Fri, 23 Oct 2026 13:47:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.534107
• Title: Can AI Agents Help Robotic Engineers? Lessons from Two Focus Days in Industry
• Title（参考訳）: AIエージェントはロボット技術者を助けるか?
• Abstract要約: 本稿では,産業ロボットをプログラムする中小企業によるAIエージェントの使用事例について報告する。 以上の結果から, このエージェントは, 技術者の生産性を向上させるには至らなかった。 AIの経験は、ロボット工学の経験よりもエージェントの成功に重要である。
• 参考スコア（独自算出の注目度）: 3.344552881770396
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Software developers increasingly use AI agents that execute multi-step programming tasks on their own. However, it is unclear if and how this transfers to robotic engineering, where engineers program industrial robots in niche, vendor-specific languages and rely on visual feedback from simulation tools. Within this paper, we report a case study on the use of AI agents by an SME that programs industrial robots. Our results show that the agent did not make the engineers more productive, with the exception of a task that required the generation of highly repetitive code. However, the results with the agent improved over time, as the engineers learned how to use it and the agent was adapted to the domain. Moreover, the experience with AI mattered more for the success with the agent than the experience with robotic engineering. This shows that AI agents are not a plug-and-play solution. Instead, companies must train their engineers on the usage of agents, plan time for a learning curve, and ensure that agent configurations match the domain and developer requirements. The strong learning curve we observed further implies that studies on productivity gains with AI should be longitudinal, as they otherwise miss how engineers adopt agents in practice.
• Abstract（参考訳）: ソフトウェア開発者は、AIエージェントを使って、独自のマルチステッププログラミングタスクを実行している。 エンジニアはニッチでベンダー固有の言語で産業用ロボットをプログラムし、シミュレーションツールからの視覚的フィードバックに頼る。 本稿では,産業ロボットをプログラムする中小企業によるAIエージェントの使用事例について報告する。 この結果から, エージェントは, 繰り返しコードの生成を必要とするタスクを除いて, エンジニアをより生産的にしないことがわかった。 しかし、エンジニアがそれを使う方法を学び、エージェントがドメインに適応したので、エージェントによる結果は時間とともに改善された。 さらに、AIの経験は、ロボット工学の経験よりもエージェントの成功に重要である。 これはAIエージェントがプラグアンドプレイソリューションではないことを示している。 代わりに、企業は、エージェントの使用、学習曲線の計画時間、エージェント設定がドメインと開発者の要求に合致することをエンジニアに訓練する必要があります。 私たちが観察した強力な学習曲線は、AIによる生産性向上の研究は、エンジニアが実際にエージェントを採用する方法を見逃しているため、長手であるべきであることを示唆しています。

関連論文リスト

• Agentic AI for Software: thoughts from Software Engineering community [9.966138715949205]
  コードレベルでの一般的なソフトウェアタスクには、コード生成、テスト、プログラムの修復が含まれる。 エージェントAIベースのソフトウェアを成功させる鍵は、ソフトウェアエンジニアリングにおける中核的な難しさ、すなわち開発者の意図の解読と明確化を解決することである。 エージェント技術のソフトウェア工学への展開が成功すれば、エージェントを通じてそのような意図推論において概念的な進歩がもたらされる。
  論文  参考訳（メタデータ） (2025-08-24T12:57:21Z)
• A roadmap for AI in robotics [55.87087746398059]
  AIの可能性を生かして、私たちの日常生活にロボットを配備する上での、際立った障壁に取り組みたいと考えています。 この記事では、1990年代からロボット工学におけるAIが達成したことを評価し、課題と約束を列挙した短期的・中期的な研究ロードマップを提案する。
  論文  参考訳（メタデータ） (2025-07-26T15:18:28Z)
• Code with Me or for Me? How Increasing AI Automation Transforms Developer Workflows [60.04362496037186]
  本研究は,コーディングエージェントと開発者インタラクションを制御した最初の研究である。 我々は,2つの主要な協調型およびエージェント型符号化アシスタントの評価を行った。 結果から,エージェントはコピロトを超える方法で開発者を支援することができることがわかった。
  論文  参考訳（メタデータ） (2025-07-10T20:12:54Z)
• Saarthi: The First AI Formal Verification Engineer [2.1626093085892144]
  Devinは、世界初の完全自律型AIソフトウェアエンジニアとして、人工知能(AI)コミュニティで大きな話題を呼んだ。 同様に、完全に自律的なAI形式検証エンジニアであるSaarthiは、所定のRTL設計をエンドツーエンドで検証することができる。
  論文  参考訳（メタデータ） (2025-02-23T17:42:50Z)
• ProAgent: From Robotic Process Automation to Agentic Process Automation [87.0555252338361]
  LLM(Large Language Models)は、人間のような知性を持つ言語である。 本稿では,ALMをベースとしたエージェントを用いた高度な自動化のための基盤的自動化パラダイムであるエージェントプロセス自動化(APA)を紹介する。 そして、人間の指示を駆使し、特殊エージェントの調整によって複雑な決定を下すように設計されたエージェントであるProAgentをインスタンス化する。
  論文  参考訳（メタデータ） (2023-11-02T14:32:16Z)
• Automated Machine Learning: A Case Study on Non-Intrusive Appliance Load Monitoring [81.06807079998117]
  非侵入的機器負荷モニタリング(NIALM)のための自動機械学習(AutoML)を実現する新しい手法を提案する。 NIALMは、電子機器や家電のエネルギー消費を測定するためのスマートメーターに代わる費用対効果を提供する。
  論文  参考訳（メタデータ） (2022-03-06T10:12:56Z)

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。