論文の概要: Autonomous Control Leveraging LLMs: An Agentic Framework for Next-Generation Industrial Automation

• arxiv url: http://arxiv.org/abs/2507.07115v1
• Date: Thu, 03 Jul 2025 11:20:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-11 16:40:15.117859
• Title: Autonomous Control Leveraging LLMs: An Agentic Framework for Next-Generation Industrial Automation
• Title（参考訳）: 次世代産業自動化のためのエージェントフレームワーク LLM を活用した自律制御
• Authors: Javal Vyas, Mehmet Mercangoz,
• Abstract要約: 本稿では,大規模言語モデル(LLM)を個別のフォールトリカバリ計画と継続的プロセス制御の両方に活用する統合エージェントフレームワークを提案する。 その結果、構造化されたフィードバックとモジュラーエージェントにより、LLMは高レベルな記号計画と低レベルな連続制御を統一できることを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The increasing complexity of modern chemical processes, coupled with workforce shortages and intricate fault scenarios, demands novel automation paradigms that blend symbolic reasoning with adaptive control. In this work, we introduce a unified agentic framework that leverages large language models (LLMs) for both discrete fault-recovery planning and continuous process control within a single architecture. We adopt Finite State Machines (FSMs) as interpretable operating envelopes: an LLM-driven planning agent proposes recovery sequences through the FSM, a Simulation Agent executes and checks each transition, and a Validator-Reprompting loop iteratively refines invalid plans. In Case Study 1, across 180 randomly generated FSMs of varying sizes (4-25 states, 4-300 transitions), GPT-4o and GPT-4o-mini achieve 100% valid-path success within five reprompts-outperforming open-source LLMs in both accuracy and latency. In Case Study 2, the same framework modulates dual-heater inputs on a laboratory TCLab platform (and its digital twin) to maintain a target average temperature under persistent asymmetric disturbances. Compared to classical PID control, our LLM-based controller attains similar performance, while ablation of the prompting loop reveals its critical role in handling nonlinear dynamics. We analyze key failure modes-such as instruction following lapses and coarse ODE approximations. Our results demonstrate that, with structured feedback and modular agents, LLMs can unify high-level symbolic planningand low-level continuous control, paving the way towards resilient, language-driven automation in chemical engineering.
• Abstract（参考訳）: 現代の化学プロセスの複雑さが増大し、労働力不足と複雑な障害シナリオが組み合わさって、シンボリック推論と適応制御を融合させる新しい自動化パラダイムが要求される。 本研究では,大規模言語モデル(LLM)を個別のフォールトリカバリ計画と単一アーキテクチャ内での継続的プロセス制御の両方に活用する統合エージェントフレームワークを提案する。 LLM駆動の計画エージェントがFSMを介してリカバリシーケンスを提案し、シミュレーションエージェントが各トランジションを実行してチェックし、バリケータ・リプロンプトループが無効プランを反復的に洗練する。 ケーススタディ1では、異なるサイズ(4-25状態、4-300遷移)の180個のランダムに生成されたFSMに対して、GPT-4oとGPT-4o-miniは5つのreprompts出力のオープンソースLLMにおいて100%有効なパス成功を精度とレイテンシの両方で達成する。 ケーススタディ2では、同じフレームワークが実験室TCLabプラットフォーム(およびデジタル双対)上の二重加熱器入力を変調し、永続的な非対称な乱れの下で目標平均温度を維持する。 従来のPID制御と比較すると,LLMをベースとしたコントローラは同様の性能を示し,プロンプトループのアブレーションは非線形力学の処理において重要な役割を担っている。 我々は、遅延後の命令や大まかなODE近似などのキー障害モードを解析する。 その結果,LLMは構造化されたフィードバックとモジュールエージェントにより,高レベルな記号計画と低レベルな連続制御を統一し,化学工学におけるレジリエントな言語駆動型自動化への道を開いた。

関連論文リスト

• AutoChemSchematic AI: A Closed-Loop, Physics-Aware Agentic Framework for Auto-Generating Chemical Process and Instrumentation Diagrams [2.5875933818780363]
  現在のAI手法では、化学プロセスのスケーリングにおいて重要な役割を担っているにもかかわらず、PFDやPIDを自動生成することはできない。 産業用PFDとPIDの自動生成のための閉ループ対応物理フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-30T13:32:00Z)
• MAS-ZERO: Designing Multi-Agent Systems with Zero Supervision [76.42361936804313]
  自動MAS設計のための自己進化型推論時間フレームワークMAS-ZEROを紹介する。 MAS-ZEROはメタレベルの設計を採用し、各問題インスタンスに適したMAS構成を反復的に生成し、評価し、洗練する。
  論文  参考訳（メタデータ） (2025-05-21T00:56:09Z)
• Leveraging LLM Agents and Digital Twins for Fault Handling in Process Plants [0.6990493129893112]
  本稿では,Large Language Model (LLM)エージェントとDigital Twin環境を統合するフレームワークを提案する。 Digital Twinは、エージェントプロンプトのための植物特有のエンジニアリング知識の構造化されたリポジトリとして機能する。 提案するフレームワークは, 混合モジュールを自律的に制御するだけでなく, 効果的な補正作用も生成できる。
  論文  参考訳（メタデータ） (2025-05-04T12:02:21Z)
• LLM2: Let Large Language Models Harness System 2 Reasoning [65.89293674479907]
  大規模言語モデル(LLM)は、無数のタスクにまたがって印象的な機能を示してきたが、時には望ましくない出力が得られる。 本稿では LLM とプロセスベースの検証器を組み合わせた新しいフレームワーク LLM2 を紹介する。 LLMs2は妥当な候補を生成するのに責任を持ち、検証者は望ましい出力と望ましくない出力を区別するためにタイムリーなプロセスベースのフィードバックを提供する。
  論文  参考訳（メタデータ） (2024-12-29T06:32:36Z)
• MetaOpenFOAM: an LLM-based multi-agent framework for CFD [11.508919041921942]
  MetaOpenFOAMは、新しいマルチエージェントコラボレーションフレームワークである。 入力として自然言語のみを用いてCFDシミュレーションタスクを完了することを目的としている。 MetaGPTのアセンブリラインパラダイムのパワーを利用する。
  論文  参考訳（メタデータ） (2024-07-31T04:01:08Z)
• DS-Agent: Automated Data Science by Empowering Large Language Models with Case-Based Reasoning [56.887047551101574]
  大規模言語モデル(LLM)エージェントとケースベース推論(CBR)を利用した新しいフレームワークであるDS-Agentを提案する。 開発段階では、DS-AgentはCBRフレームワークに従い、自動イテレーションパイプラインを構築する。 デプロイメントの段階では、DS-Agentは、シンプルなCBRパラダイムで低リソースのデプロイメントステージを実装し、LCMの基本能力に対する需要を大幅に削減する。
  論文  参考訳（メタデータ） (2024-02-27T12:26:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。