用于闭环优化、仿真与建模编排的工具增强型智能体
人工智能
2026-05-21 v1 图形学
摘要
迭代工业设计-仿真优化受制于CAD-CAE语义鸿沟：在多样化、耦合约束下，将仿真反馈翻译为有效几何编辑。为填补这一鸿沟，我们提出COSMO-Agent（Closed-loop Optimization, Simulation, and Modeling Orchestration），一种工具增强型强化学习（RL）框架，教会LLM完成闭环CAD-CAE流程。具体而言，我们将CAD生成、CAE求解、结果解析和几何修订建模为交互式RL环境，LLM学习协调外部工具并修订参数几何，直至满足约束。为实现稳定且工业化可用，我们设计多约束奖励，联合鼓励可行性、工具链鲁棒性和结构化输出有效性。此外，我们贡献了一个覆盖25类组件、具可执行CAD-CAE任务的行业对齐数据集，以支持真实训练与评估。实验表明，COSMO-Agent训练显著提升小型开源LLM在约束驱动设计中的feasibility、efficiency和stability，超越大型开源和强大闭源模型。
引用
@article{arxiv.2605.20190,
title = {Tool-Augmented Agent for Closed-loop Optimization,Simulation,and Modeling Orchestration},
author = {Liyuan Deng and Shujian Deng and Yongkang Chen and Yongkang Dai and Zhihang Zhong and Linyang Li and Xiao Sun and Yilei Shi and Huaxi Huang},
journal= {arXiv preprint arXiv:2605.20190},
year = {2026}
}
备注
8pages,3figures