Control Industrial Automation System with Large Language Models

要約

従来の産業オートメーション システムでは、操作に専門知識が必要であり、新しいプロセスに適応するには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、言語モデルを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。
しかし、産業環境における LLM の応用は十分に研究されていません。
このペーパーでは、LLM を統合して産業オートメーション 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。
このフレームワークの中核となるのは、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手法、LLM 推論用のリアルタイム データを提供するイベント駆動型情報モデリング メカニズムです。
このフレームワークは、LLM にさまざまなコンテキスト セマンティック レベルのリアルタイム イベントを提供し、LLM が情報を解釈し、生産計画を生成し、自動化システム上の操作を制御できるようにします。
また、LLM の下流アプリケーションを微調整するための構造化データセットの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、概念実証の実装、LLM の微調整とテスト用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、自然言語によるより直感的な人間と機械の対話のための操作と設定が容易になりながら、自然発生的なイベントに応答できる、より適応性の高い自動化システムが可能になります。
GitHub でデモビデオと詳細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