규칙에 맞춘 작은 언어 모델과 다중 에이전트 자가 수정을 이용한 클로즈드 루프 제어

자율 산업 운영을 위한 핵심 기술

자율 산업 운영을 위한 핵심 단계 중 하나는 자연어 요구 사항 명세서에서 제어 정책을 생성하고 재구성할 수 있는 능력입니다. 이는 AI 에이전트가 제어 정책을 생성할 수 있는 가능성을 열어주며, 이에 대응하는 plant-aware validator가 생성된 후보 액션을 실행하기 전에 검사할 수 있다면 신뢰할 수 있는 경로가 될 수 있습니다. 그러나 실제 배포는 inference 지연 시간과 컴퓨팅 footprint에 의해 제한됩니다. 대규모 언어 모델(LLM)은 종종 edge closed-loop 사용을 위해 느리거나 불투명하며 데이터에 민감합니다. 이를 해결하기 위해, 규칙에 맞춘 작은 언어 모델과 다중 에이전트 자가 수정을 이용한 클로즈드 루프 제어가 제안됩니다. 이는 제어 사유와 함께 validator-guided correction loop에 내장된 compact Small Language Model (SLM)이 될 수 있는지 조사합니다. 이를 통해, 액션 에이전트, symbolic/digital-twin-style validation layer, 그리고 reprompting agent가 출력을 유효한 액션 쪽으로 점진적으로 이끄는 iteratively agent를 결합할 수 있습니다. 랜덤한 열기 제어 시뮬레이션에 의한 결과, 이 프레임워크는 높은 평균 액션-정렬 정확도를 달성했습니다. 또한, symbolic re-mapping에서, 프레임워크는 robust한 물리적 규제를 유지하고 있습니다. 이 결과는 SLM+validator 아키텍처가 edge에서 재구성 가능한 자율 제어가 될 수 있는 실용적인 경로를 제공한다는 것을 지지합니다. 이는 자율 산업 운영을 위한 핵심 기술로써, 산업의 효율성과 안전성을 향상시키는 데 기여할 수 있습니다.