Многоагентные производственные системы на основе больших языковых моделей

Традиционное производство сталкивается с проблемами адаптации к динамичным условиям и оперативного реагирования на изменения в производственных процессах. Использование многоагентных систем повысило адаптивность и координацию, однако требует дальнейшего совершенствования быстрого понимания инструкций человека, операционной адаптивности и координации посредством интеграции естественного языка. Большие языковые модели, такие как GPT-3.5 и GPT-4, расширяют возможности многоагентных производственных систем, позволяя агентам обмениваться информацией на естественном языке и интерпретировать инструкции человека для принятия решений. В настоящем исследовании представлена новая архитектура, в которой большие языковые модели расширяют возможности производственных агентов, повышая их адаптивность и способность обрабатывать контекстно-зависимые инструкции. Практическое применение этой архитектуры продемонстрировано на примере, показывающем, как агенты могут эффективно взаимодействовать, понимать задачи и выполнять производственные процессы, включая точное распределение G-кода между агентами. Результаты подчеркивают важность постоянной интеграции больших языковых моделей в многоагентные производственные системы и разработки сложных протоколов взаимодействия между агентами для создания более гибкой производственной системы.