Control Industrial Automation System with Large Language Model Agents

要約

従来の産業自動化システムでは、運用の専門的な専門知識と、新しいプロセスに適応するための複雑な再プログラミングが必要です。
大規模な言語モデルは、より柔軟で使いやすくするためのインテリジェンスを提供します。
ただし、産業環境でのLLMSのアプリケーションは露出度が低くなっています。
このペーパーでは、LLMを統合して産業自動化システムのエンドツーエンド制御を実現するためのフレームワークを紹介します。
フレームワークのコアには、産業用タスク向けに設計されたエージェントシステム、構造化されたプロンプトメソッド、およびLLM推論のリアルタイムデータを提供するイベント駆動型の情報モデリングメカニズムがあります。
フレームワークは、LLMSにさまざまなコンテキストセマンティックレベルでリアルタイムイベントを提供し、情報を解釈し、生産計画を生成し、自動化システムで制御することができるようにします。
また、LLMSのこの下流のアプリケーションで微調整するための構造化されたデータセット作成もサポートしています。
私たちの貢献には、正式なシステム設計、概念実装の実装、およびLLMの微調整とテストのためのタスク固有のデータセットを生成する方法が含まれます。
このアプローチにより、自発的なイベントに対応できるより適応性のある自動化システムが可能になり、より直感的な人間の相互作用のために自然言語を介した操作と構成が容易になります。
githubでデモビデオと詳細なデータを提供しています：https：//github.com/yuchenxia/llm4ias。

要約(オリジナル)

Traditional industrial automation systems require specialized expertise to operate and complex reprogramming to adapt to new processes. Large language models offer the intelligence to make them more flexible and easier to use. However, LLMs’ application in industrial settings is underexplored. This paper introduces a framework for integrating LLMs to achieve end-to-end control of industrial automation systems. At the core of the framework are an agent system designed for industrial tasks, a structured prompting method, and an event-driven information modeling mechanism that provides real-time data for LLM inference. The framework supplies LLMs with real-time events on different context semantic levels, allowing them to interpret the information, generate production plans, and control operations on the automation system. It also supports structured dataset creation for fine-tuning on this downstream application of LLMs. Our contribution includes a formal system design, proof-of-concept implementation, and a method for generating task-specific datasets for LLM fine-tuning and testing. This approach enables a more adaptive automation system that can respond to spontaneous events, while allowing easier operation and configuration through natural language for more intuitive human-machine interaction. We provide demo videos and detailed data on GitHub: https://github.com/YuchenXia/LLM4IAS.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google