ControlAgent: 通过 LLM 代理与领域专业知识的新型集成自动化控制系统设计
系统与控制
2024-10-29 v1 人工智能
计算与语言
机器学习
系统与控制
最优化与控制
摘要
控制系统设计是现代工程的关键方面,具有广泛的应用前景,涵盖航空航天、汽车系统、电网和机器人等多个领域。尽管大型语言模型 (LLM) 在各个领域取得了进展,但其在控制系统设计中的应用仍有限,这是由于控制理论的复杂性和特殊性所致。为填补这一差距,我们引入了 ControlAgent,一种通过 LLM 代理与控制领域专业知识的新型集成来自动化控制系统设计的范式。ControlAgent 编码了专家控制知识,并通过逐步调整控制器参数来模拟人类迭代设计过程,以满足用户对稳定性、性能和鲁棒性的指定要求。ControlAgent 集成了多个协作 LLM 代理,包括负责任务分配的中心代理以及专为各种系统类型和要求设计的细化控制器的特定任务代理。ControlAgent 还采用 Python 计算代理,该代理基于任务特定 LLM 代理提供的标准设计信息执行复杂计算和控制器评估。结合历史记录和反馈模块,特定任务的 LLM 代理会根据先前设计的实时反馈不断细化控制器参数。总体而言,ControlAgent 模拟了(人类)从事工程师所使用的设计过程,但消除了所有人力工作,可以完全自动的方式运行,为具有用户指定要求的控制系统设计提供端到端解决方案。为验证 ControlAgent 的有效性,我们开发了 ControlEval,一个包含 500 个具有各种特定设计目标的控制任务的评估数据集。通过大量比较评估显示,ControlAgent 在 LLM 基于和传统人工参与工具箱基线之间的效果表现出色。
引用
@article{arxiv.2410.19811,
title = {ControlAgent: Automating Control System Design via Novel Integration of LLM Agents and Domain Expertise},
author = {Xingang Guo and Darioush Keivan and Usman Syed and Lianhui Qin and Huan Zhang and Geir Dullerud and Peter Seiler and Bin Hu},
journal= {arXiv preprint arXiv:2410.19811},
year = {2024}
}