Jun, 2024

基于大型语言模型的多智能体制造系统

PDF
TL;DR传统制造业面临适应动态环境和快速响应制造变化的挑战。多智能体系统的使用提高了适应性和协调能力，但需要进一步发展快速理解人类指令、操作适应性和自然语言整合的能力。大型语言模型如 GPT-3.5 和 GPT-4 通过使智能体能够用自然语言进行沟通并解释人类指令来增强多智能体制造系统，从而使其更具适应性，并能够处理特定上下文的指令。一项案例研究展示了该框架的实际应用，显示智能体可以有效地沟通、理解任务和执行制造过程，包括智能体之间精确的 G 代码分配。研究结果凸显了将大型语言模型不断整合到多智能体制造系统中以及开发复杂智能体通信协议的重要性，以实现更灵活的制造系统。
traditional manufacturingmulti-agent systemsnatural language integrationlarge language modelsagent communication protocols
发现论文，激发创造
  • 大型语言模型如何帮助人类在设计和制造中？

    大型语言模型 (Large Language Models, LLMs)，如 GPT-4 的进步为生成设计提供了新的机会，本文调查了该工具在整个设计和制造流程中的应用。通过一系列示例，我们突出了当前 LLMs 的优点和局限性，旨在推动这些模型的持续改进和进步。

    Jul, 2023

  • 基于大型语言模型的智能车间多智能体制造系统

    高级制造系统需求的变化使得多样化小批量生产的需求不断增加，导致了对制造系统更高的要求。本文提出了一种基于大型语言模型的智能车间多智能体制造系统，通过协调不同角色的智能体，实现了工件的分配和传输。

    May, 2024

  • 探索大型语言模型用于实现人机协作的可变自主性

    该论文探讨了将大型语言模型（如生成式预训练变换器 GPT）整合到人机合作环境中，通过口头人机交流手段促进可变自主性的快速发展的数字景观中，介绍了一种基于 Unity 虚拟现实（VR）环境的 GPT 驱动多机器人测试平台的创新框架。用户研究表明，用户对于与机器人对话的预设期望较高，却很少尝试探索机器人合作伙伴的实际语言和认知能力，但那些进行探索的用户能从更自然的沟通和人类式的双向交流中受益。我们提供了一组对未来研究和类似系统的技术实施的经验教训。

    Dec, 2023

  • 制造业中使用大语言模型的知识分享：用户评估与模型基准测试

    工厂知识管理的关键是高效地处理知识。本研究使用基于大型语言模型的系统，通过利用工厂文档中的广泛知识，旨在有效回答操作员的查询并促进新知识的分享。在工厂环境中进行的评估结果显示该系统具有快速信息检索和更高效问题解决的优势，然而研究还表明在有人类专家可用时，人们更倾向于向其学习。此外，我们还对该系统进行了几个闭源和开源大型语言模型进行基准测试，GPT-4 始终优于其他模型，而开源模型如 StableBeluga2 则紧随其后，提供了数据隐私和定制化方面的吸引力。总体而言，该研究为考虑采用大型语言模型工具进行知识管理的工厂提供了初步见解。

    Jan, 2024

  • 使用大语言模型增强基于流水线的会话代理

    本研究探讨了大型语言模型（LLM）在改进基于流水线的对话代理中的能力，并通过私人银行业务的实例证明了 LLMs 的潜力和公司采用混合方法的好处。

    Sep, 2023

  • 将竞争转变为合作：多智能体系统与语言模型在现代组织中的革命性作用

    本文探讨了基于多代理系统理论（SMA）与大型语言模型（LLM）的计算实体的动态影响，这些实体的特点是能够模拟复杂的人类互动，作为一种从使用专门的人工代理支持运营业务流程到基于应用知识和人类编排的战略决策的革命可能性。我们展示了利用基于大型语言模型（LLM）的代理开发，通过考虑行为元素并由策略驱动，从而刺激基于使用案例在商业场景中生成知识的能力，利用代理之间的讨论方法（引导式对话），为组织战略提供潜力，基于多代理系统理论（SMA）和创新的大型语言模型（LLM）的应用，为不同的应用、复杂性、领域和 LLM 的能力提供了一种不同和可适应的实验。

    Mar, 2024

  • 走向自主系统：引入大型语言模型代理的灵活模块化生产系统

    本文提出了一个将大型语言模型（LLMs）、数字孪生和工业自动化系统相结合的新型框架，以实现生产过程的智能规划和控制，强调将 LLMs 集成到工业自动化系统中以实现更敏捷、灵活和自适应的生产流程的潜力并指出未来工作的关键见解和限制。

    Apr, 2023

  • 基于自适应大型语言模型（LLM）的多智能体系统

    本文提出将大型语言模型（LLMs）融入多智能体系统（MASs）中来实现其自适应，并通过一个基于 MAS 的应用进行实践说明，从而为 MAS 的自适应提供新的范式。

    Jul, 2023

  • 大型语言模型在机器人领域的应用：机遇、挑战与展望

    该研究全面概述了大型语言模型（LLMs）和多模态 LLMs 在各种机器人任务中的整合，并提出了一种利用多模态 GPT-4V 结合自然语言指令和机器人视觉感知增强具身任务规划的框架。基于多样化的数据集，我们的结果表明 GPT-4V 有效地提升了机器人在具身任务中的表现。对 LLMs 和多模态 LLMs 在各种机器人任务中的广泛调查和评估丰富了对以 LLMs 为中心的具身智能的理解，并提供了展望未来的关于人机环境交互的见解。

    Jan, 2024

  • 基于大型语言模型增强的 6G 通信多智能体系统

    利用大型语言模型（LLM）结合多智能体系统和自然语言输入，解决 6G 通信中的任务需求、通信知识获取和相关问题的评估与改进。

    Dec, 2023