面向港口终端的 LLM 驱动车辆调度智能体 PortAgent
人工智能
2025-12-17 v1
摘要
车辆调度系统（VDS）是自动集装箱码头 operational efficiency 的关键因素。然而，由于其在不同码头之间的低 transferability，广泛商业化受到阻碍。这种 transferability 挑战源于三个限制：高度依赖港口 operational 专家、对 terminal-specific data 的高需求以及耗时的 manual deployment process。借助大型语言模型（LLM）的兴起，本文提出 PortAgent，一个 LLM 驱动的车辆调度智能体，完全自动化 VDS transfer 工作流程。它具有三个特征：（1）无需港口 operations 专家；（2）数据需求低；（3）部署快速。具体而言，通过 Virtual Expert Team（VET）消除 specialist 依赖。VET 与四个虚拟专家（Knowledge Retriever、Modeler、Coder 和 Debugger）协作，模拟人类专家团队完成 VDS transfer 工作流程。这些专家通过 few-shot example learning 方法学习 terminal VDS 领域知识。这些 example 通过检索增强生成（RAG）机制检索，以缓解对 terminal-specific data 的高需求。进一步，在这些专家之间建立自动 VDS design 工作流程，以避免额外的 manual 干预。在该工作流程中，建立一个受 LLM Reflexion 框架启发的 self-correction loop。
关键词
引用
@article{arxiv.2512.14417,
title = {PortAgent: LLM-driven Vehicle Dispatching Agent for Port Terminals},
author = {Jia Hu and Junqi Li and Weimeng Lin and Peng Jia and Yuxiong Ji and Jintao Lai},
journal= {arXiv preprint arXiv:2512.14417},
year = {2025}
}