はじめに
私は機械知能研究室に所属し、CV分野の研究をしています。
機械知能研究室ではロボットの視覚機能や自律的に行動するための知能システムについての研究に取り組んでいます(HPはこちらから！)
先日Xにて「論文調査から執筆まで行ってくれるAIシステム：AutoResearchClaw」が公開されたという投稿を見ました。今回はこのシステムを触っていきたいと思います。
AutoResearchClaw
AutoResearchClawは一つのアイデアをコマンドで提示すると、それをもとに論文調査、コーディング、実験・考察、論文執筆まで行ってくれるシステムです。
パイプライン
- 与えられたアイデアを構造化されたツリー問題に分解し研究の方向性を定める
- 研究の方向性をもとに、OpenAlex、Semantic Scholar、arXivから参考文献を調査
- 調査した文献から問題点を洗い出す
- 実験計画を立て、コーディング
- 実際に実行し、その結果を分析
- 実行結果をもとに論文を作成できるか、再度実験をやり直すべきか判断
- 目次を作成し，6000語前後の原稿を執筆する
- 原稿を主要学会のテンプレに合わせてLaTexXやBibTeXに変換
このシステムの強み
このシステムの強みとして、arXiv ID、CrossRef/DataCiteのDOI、タイトルの照合、LLMによる関連性スコアリングを通した引用検証が挙げられます。これによりハルシネーションを抑制する仕組みになっています。
また、このシステムの面白い点として、一通りの実験が終わった後に手法や根拠の一貫性チェックを行うマルチエージェント査読もあります。READMEや実装時のyamlファイルから、コード、結果、図の3つに特化したエージェントを用いることで査読を行っているようです。
実装
今回はGithubのREADMEに記載されていた内容を実行していきます。
実行するPC環境をまとめておきます。
| 項目 | 使用しているもの |
|---|---|
| CPU | Intel® Core™ i7-11700 |
| GPU | GeForce RTX 3080 |
| メモリ | 16.0 GiB |
1. 必要なツールのインストール
論文を調査、実験の実行、論文の執筆をするにあたり必要なツールのインストールを行います。
-
OpenCode
このシステムでは複雑なコーディングを行うためのAIエージェントであるOpenCodeを使用していました。 -
Docker
システムが作成したコードを実行するためにコンテナ型仮想化プラットフォームを使用していました。 -
LaTeX
論文を執筆する際に使用します。 -
生成AIモデル
今回はGeminiのAPI(無料版)を使用しています。（GPTなども使用できます）
2. ファイルの書き換え
今回準備したツールに合うようにconfig.arc.yamlファイルを変更します。
3. 実行
次のコマンドで実行します。
今回はアイデアとして「AIを用いた文献調査の自動化による時間短縮効果の検証」を提示してみます。
researchclaw run --topic "AIを用いた文献調査の自動化による時間短縮効果の検証" --auto-approve --skip-preflight
実行結果
実行した結果、実験コード生成の部分でGeminiの応答回数上限を超えてしまいました...。有料版を使用していない人がこのシステムをフルで使うのは難しそうです。
Stage 10/23 CODE_GENERATION — FAILED (36.3s) — All models failed.
Last error: HTTP Error 429: Too Many Requests
ただ、論文の調査、研究の筋道を立てるといった部分は実行できていたので、その部分の紹介をします。
論文の調査
arXivなどから関連する論文を調査する仕組みになっていますが、調査した論文数は100本近くになっていました。その中からより関連の深い論文を15本ほど選定し、レビューに使用しているみたいです。
## Gap 1: Lack of Direct Empirical Evidence on Time-Saving Effects
While some papers discuss LLM capabilities or agentic systems, the provided cards lack any specific findings, metrics, or methodologies detailing the *actual, measured time-saving effects* of AI in literature review.
There's no empirical data on how much time is reduced, for which specific tasks (e.g., searching, screening, data extraction, synthesis), or under what conditions.
The "Template key finding" and "Template metric" fields for all cards mean there's no concrete evidence presented.
（Gap 2へと続く）
研究の筋道を立てる
先ほどのレビューを踏まえ優先すべき事柄をピックアップしていました。翻訳した内容を見てみましたが、手順としても正しい選択をとっていると思います。
## Prioritized Opportunities
Based on the identified gaps and the overarching research topic, the following opportunities are prioritized for advancing the understanding and application of AI in automating literature reviews to save time:
1. **Conduct Rigorous Empirical Studies on Time Reduction:**
* **Opportunity:** Design and execute controlled experiments comparing AI-assisted literature review workflows against traditional manual methods.
* **Actionable Steps:**
* Measure time savings across different stages of the review process (e.g., initial search, abstract screening, full-text review, data extraction, synthesis).
* Quantify human effort reduction and identify specific tasks where AI yields the most significant time benefits.
* Report metrics like "time per paper processed," "overall project completion time," and "researcher hours saved."
（2へと続く）
まとめ
今回はAutoResearchClawの実装を試みましたが、Gemini APIの制限に引っかかってしまい実装には至りませんでした。
実際触ってみて、複数の論文から問題点を見出し、検証する手順どりまで生成AIでできることに衝撃を受けました。これからの研究活動では、生産性の向上とより良いアイデアを生み出す能力が重視されていくのかもしれません。
参考文献
@misc{liu2026autoresearchclaw,
author = {Liu, Jiaqi and Xia, Peng and Han, Siwei and Qiu, Shi and Zhang, Letian and Chen, Guiming and Tu, Haoqin and Yang, Xinyu and and Zhou, Jiawei and Zhu, Hongtu and Li, Yun and Zhou, Yuyin and Zheng, Zeyu and Xie, Cihang and Ding, Mingyu and Yao, Huaxiu},
title = {AutoResearchClaw: Fully Autonomous Research from Idea to Paper},
year = {2026},
organization = {GitHub},
url = {https://github.com/aiming-lab/AutoResearchClaw},
}