大型语言模型作为机器人 operated 串联生产线的实时控制器
机器人学
2025-03-07 v1 机器学习
系统与控制
系统与控制
摘要
制造业正经历变革性的转变，受到 5G、AI 和云计算等前沿技术的推动。尽管存在这些进步，但有效的系统控制——对于优化生产效率至关重要——仍然是一个复杂的挑战，这源于制造过程的精细、知识依赖性质以及对特定领域专业知识的依赖。传统的控制方法往往需要大量定制、需要大量计算资源，且在决策透明度方面存在不足。本文我们探讨了使用大型语言模型（LLM），特别是 GPT-4，作为控制制造系统、具体是移动机器人调度的简单、可适应的解决方案的可行性。我们引入了基于 LLM 的控制框架，用于将移动机器人分配给机器人辅助串联生产线中的不同机器，评估其系统吞吐量性能。我们提出的框架优于 First-Come-First-Served（FCFS）、最短处理时间（SPT）和最长处理时间（LPT）等传统调度方法。虽然它实现的性能与基于多代理强化学习（MARL）等最先进方法相当，但它具有 distinct 优势，即在无需大量再训练的情况下即可实现相当的吞吐量。这些结果表明，提出的 LLM 基于解决方案适合技术专长、计算资源和金融投资有限的场景，而在决策透明度和系统可扩展性方面至关重要。
引用
@article{arxiv.2503.03889,
title = {Pretrained LLMs as Real-Time Controllers for Robot Operated Serial Production Line},
author = {Muhammad Waseem and Kshitij Bhatta and Chen Li and Qing Chang},
journal= {arXiv preprint arXiv:2503.03889},
year = {2025}
}
备注
20 pages, 7 figures