GLLM: Self-Corrective G-Code Generation using Large Language Models with User Feedback

要約

このペーパーでは、大規模な言語モデル（LLM）を活用して、コンピューター数値制御（CNC）機械加工のための自然言語指示からGコードを自動的に生成する革新的なツールであるGLLMを紹介します。
GLLMは、人間が読みやすいタスクの説明と機械実行可能なコードとの間のギャップを埋めることにより、手動Gコード作成の課題に対処します。
このシステムには、ドメイン固有のトレーニングデータと検索された生成（RAG）メカニズムで強化された微調整されたStarCoder-3Bモデルが組み込まれています。
GLLMは、生成されたGコードの構文と意味の両方の正確性を確保するために、高度なプロンプト戦略と新しい自己保護コード生成アプローチを採用しています。
アーキテクチャには、構文チェック、Gコード固有の検証、Hausdorff距離を使用した機能的正しさの評価など、堅牢な検証メカニズムが含まれています。
これらの手法を組み合わせることにより、GLLMはCNCプログラミングを民主化することを目指しており、Gコード生成で高い精度と信頼性を維持しながら、広範なプログラミングエクスペリエンスなしでユーザーがよりアクセスしやすくします。

要約(オリジナル)

This paper introduces GLLM, an innovative tool that leverages Large Language Models (LLMs) to automatically generate G-code from natural language instructions for Computer Numerical Control (CNC) machining. GLLM addresses the challenges of manual G-code writing by bridging the gap between human-readable task descriptions and machine-executable code. The system incorporates a fine-tuned StarCoder-3B model, enhanced with domain-specific training data and a Retrieval-Augmented Generation (RAG) mechanism. GLLM employs advanced prompting strategies and a novel self-corrective code generation approach to ensure both syntactic and semantic correctness of the generated G-code. The architecture includes robust validation mechanisms, including syntax checks, G-code-specific verifications, and functional correctness evaluations using Hausdorff distance. By combining these techniques, GLLM aims to democratize CNC programming, making it more accessible to users without extensive programming experience while maintaining high accuracy and reliability in G-code generation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google