Core Concepts
大規模言語モデル(LLMs)を使用して、人間中心システムの最適化に取り組む新しい方法を提案します。
Abstract
I. 概要
サイバーフィジカルシステムとIoTアプリケーションの普及が増加しており、環境のリアルタイム制御を活用する新しいアプリケーションが可能になっています。
LLMsを使用して、CPS最適化における動的環境とデータ入手の難しさに対処することを提案しています。
II. エージェントインザーループ学習
分散HITLシステムの最適化は複数の目標間で矛盾する場合があり、実際のデータ収集が困難です。
LLMsを活用することで、複雑な環境をシミュレートし、分散システムの最適化のためにRL技術をトレーニングできます。
III. 評価と結果
AitL-RLはオフラインでトレーニングされ、セントラルおよび分散設定で優れたパフォーマンスを示します。
バランスの取れたアプローチが最高の総合得点をもたらすことが示されています。
IV. 議論と結論
LLMベースのデジタルツインは人間行動の効果的なシミュレーターとして機能し、HITL制御ポリシーの効果的な学習を可能にします。
分散制御はパーソナライズされた環境へのより良い適応性からセントラル制御よりも優れたパフォーマンスを発揮します。
Stats
建物部門は世界全体の36%以上のエネルギー消費量に貢献しています。
公共建物では冷却がエネルギー使用量の50%以上を占めることがあります。
Quotes
"LLMs are capable of simulating complex population movements within large open spaces."
"AitL-RL demonstrates superior performance compared to the popular existing policy of set point control."