Agentic Driving Coach: 面向 Agentic AI 驱动的人机循环网络-物理系统的鲁棒性与确定性
人工智能
2026-04-14 v1 计算与语言
机器人学
系统与控制
系统与控制
摘要
基础模型，包括大语言模型(LLM)，正在被用于人机循环(HITL)网络-物理系统(CPS)，因为基础模型驱动的AI代理可能与物理环境和人类用户进行交互。然而，人类用户和AI代理的不可预测行为，以及动态变化的物理环境，导致不可控制的非确定性。为此，我们提出一种基于反应器计算模型( MoC)的方法，由开源Lingua Franca(LF)框架实现。我们还进行了以 agentic driving coach 为应用案例的具体研究。通过评估LF方法的 agentic HITL CPS，我们识别了重新引入确定性到此类 agentic HITL CPS中的实际挑战，并提出了解决路径。
引用
@article{arxiv.2604.11705,
title = {Agentic Driving Coach: Robustness and Determinism of Agentic AI-Powered Human-in-the-Loop Cyber-Physical Systems},
author = {Deeksha Prahlad and Daniel Fan and Hokeun Kim},
journal= {arXiv preprint arXiv:2604.11705},
year = {2026}
}