基于大型语言模型的多智能体制造系统用于智能车间
计算机视觉与模式识别
2024-05-28 v1
摘要
随着客户对多品种小批量生产需求的增加，动态扰动对制造系统提出更高的要求。为此，研究人员提出了多智能体制造系统。然而，常规的智能体协商通常依赖于预定义且固定的启发式规则，这不适用于管理复杂且波动的扰动。在当前实现中，基于强化学习的主流方法需要为特定车间开发模拟器和训练模型，需大量计算资源且缺乏可扩展性。为克服这一限制，本研究提出一种基于大型语言模型（LLM）的多智能体制造系统，用于智能车间管理。通过定义智能体的各类模块及其协作方法，该系统能够在最小的人工干预下处理所有工件。本系统中的智能体包括机器服务器模块（MSM）、投标邀请模块（BIM）、投标模块（BM）、思考模块（TM）和决策模块（DM）。通过运用 LLM 的推理能力，这些模块使智能体能够动态分析车间信息并选择合适的加工机器。基于系统提示预定义的 LLM 模块为系统提供动态功能，无需预训练。我们在实体车间进行了广泛实验。结果表明，所提出的系统具有强大的适应性， 在其他方法（无需预训练）的制造时间（makespan）和稳定性（样本标准差）方面表现出优越性能。
引用
@article{arxiv.2405.16886,
title = {Hawk: Learning to Understand Open-World Video Anomalies},
author = {Jiaqi Tang and Hao Lu and Ruizheng Wu and Xiaogang Xu and Ke Ma and Cheng Fang and Bin Guo and Jiangbo Lu and Qifeng Chen and Ying-Cong Chen},
journal= {arXiv preprint arXiv:2405.16886},
year = {2024}
}