A Memory-Augmented LLM-Driven Method for Autonomous Merging of 3D Printing Work Orders

要約

3Dプリンティングの急速な発展に伴い、製造ラインにおけるパーソナライズされたカスタマイズ生産の需要は着実に増加している。印刷ワークピースの効率的なマージは、生産ラインの処理効率を大幅に向上させることができます。この課題に対処するため、本論文では、3D印刷ワークオーダーの自律的な結合のために、大規模言語モデル（LLM）駆動型手法を確立し、メモリ増強学習戦略と統合した。産業シナリオにおいて、デバイスとオーダーの特徴の両方をLLM読み取り可能な自然言語プロンプトテンプレートにモデル化し、マージ干渉チェックモジュールとともに、オーダーとデバイスのマッチングツールを開発する。自己記憶学習戦略を組み込むことにより、自律的なオーダーマージングのための知的エージェントが構築され、オーダ割当ての精度と正確性が向上する。提案手法は、産業応用におけるLLMの長所を効果的に活用すると同時に、幻覚を減少させる。

要約(オリジナル)

With the rapid development of 3D printing, the demand for personalized and customized production on the manufacturing line is steadily increasing. Efficient merging of printing workpieces can significantly enhance the processing efficiency of the production line. Addressing the challenge, a Large Language Model (LLM)-driven method is established in this paper for the autonomous merging of 3D printing work orders, integrated with a memory-augmented learning strategy. In industrial scenarios, both device and order features are modeled into LLM-readable natural language prompt templates, and develop an order-device matching tool along with a merging interference checking module. By incorporating a self-memory learning strategy, an intelligent agent for autonomous order merging is constructed, resulting in improved accuracy and precision in order allocation. The proposed method effectively leverages the strengths of LLMs in industrial applications while reducing hallucination.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL