.png){kind=icon}
返回
DesAgent: A Multi-Agent Mechanical Design Method Based on Collaborative Large and Small Models
.png){kind=icon}
PRE
AI
DOI：10.1115/1.4070581.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
当今机械设计面临设计效率与多学科优化的关键挑战，常受限于高昂的计算成本和碎片化流程。为解决这些问题，本文提出DesAgent，一种多智能体协作设计方法，该方法整合了大语言模型（LLMs）的语义推理能力与降阶小模型（ROSMs）的数值预测精度。该方法构建了语义-数值协同循环，实现闭环智能设计过程，连接语义解释与数值验证。DesAgent采用分层多智能体系统，包含四个专业智能体——需求分析师、任务规划师、设计师和反馈评估师，分别负责设计流程的不同阶段。LLMs支持自然语言解析和任务规划，而ROSMs通过基于神经网络的代理模型实现实时仿真级预测。为验证该方法，开展了纺纱机墙板结构优化的案例研究。实验结果表明，DesAgent在满足应力、变形及固有频率规避等多重约束的同时，将材料消耗降低了21.2%。整个设计优化过程在232秒内完成，仅消耗12,044个计算资源token。本研究提出了一种高效、低成本且通用化的设计框架，展示了LLM增强的协作智能在复杂机械设计任务中的可行性。
Keyword:
large language models (LLMs)
reduced-order small models (ROSMs)
multi-agent systems
collaborative mechanical design
structural optimization
agent-based design
artificial intelligence
collaborative design
design methodology
design optimization
