面向智能制造应用的大规模基础模型：综述
人工智能
2023-12-27 v3
摘要
尽管人工智能，特别是深度学习的应用极大地改善了智能制造的各个方面，但由于泛化能力差、难以建立高质量训练数据集以及深度学习方法性能不理想，它们仍面临广泛应用的挑战。大规模基础模型（LSFMs）的出现引发了人工智能领域的一股浪潮，将深度学习模型从单任务、单模态、有限数据的模式转变为涵盖多样化任务、多模态和在海量数据集上预训练的范式。尽管 LSFMs 已展现出强大的泛化能力、自动生成高质量训练数据集以及跨多个领域的卓越性能，但 LSFMs 在智能制造中的应用仍处于起步阶段。目前缺乏对该主题的系统性概述，特别是关于 LSFMs 可以解决深度学习的哪些挑战以及如何系统性地应对这些挑战。为填补这一空白，本文系统阐述了 LSFMs 的现状及其在智能制造背景下的优势，并全面比较了当前深度学习模型在各种智能制造应用中面临的挑战。我们还概述了利用 LSFMs 应对这些挑战的路线图。最后，通过 LSFMs 在真实智能制造场景中的应用案例研究，说明了 LSFMs 如何帮助行业提高效率。
引用
@article{arxiv.2312.06718,
title = {Large Scale Foundation Models for Intelligent Manufacturing Applications: A Survey},
author = {Haotian Zhang and Semujju Stuart Dereck and Zhicheng Wang and Xianwei Lv and Kang Xu and Liang Wu and Ye Jia and Jing Wu and Zhuo Long and Wensheng Liang and X. G. Ma and Ruiyan Zhuang},
journal= {arXiv preprint arXiv:2312.06718},
year = {2023}
}