求解器判对错,大模型管解释:能力规划的五智能体分工

模块化产线让资源可以重组,但工艺序列规划也更难:客户需求变化快、批量小、设备时开时停,靠工程师手工排函数序列既慢又容易出错。能力规划(capability-based planning)用本体描述每台设备“能做什么”,再把需求自动转成规划问题;麻烦在于求解器的反馈难以理解,尤其是无解时只给一组冲突约束,现场工程师看不懂,知识模型也常常需要随工况修改。

四段结构,责任分开

这篇论文的做法是给已有的能力型 SMT 规划器加一层大模型外壳,但不让模型碰形式正确性。系统分四段:能力接地(Capability Grounding)把自然语言请求匹配到能力本体,或直接回答知识查询;符号规划(Symbolic Planning)把确认后的需求与供给能力转成 SMT 问题交给求解器,可满足则返回能力序列与参数赋值,不可满足则返回最小冲突约束集;结果解释(Result Interpretation)把成功方案或无解诊断翻译成人话;规划适配(Planning Adaptation)负责在无解或工况变化时提出知识模型修改。

实现上是一个路由式智能体工作流:中央路由器把任务分派给五个专用智能体。适配环节是一个四步闭环——分析智能体用链式推理找出冲突根因,提出针对知识图谱的具体修改,交给用户审批(人在回路),获批后由修复智能体更新图谱并重新求解,直到得到可满足方案,或判定在现有资源下无解。

23 个用例的结果

评测在一套模块化生产系统上覆盖四类场景,共 23 个用例。10 个知识查询中 9 个完全正确,剩下 1 个漏掉了参数范围的明确理由——技术上没错,但不完整;10 个用例均未出现幻觉。4 个可满足规划全部成功,且 5 次重复一致。4 个无解诊断中 3 个给出了具体修复建议:一个案例同时指出“要求孔深 2 毫米超出钻孔模块 5 至 10 毫米的允许范围”,建议改为 5 毫米;另一个指出“需求工位 ID 为 15,与供给的工位 3 不匹配”,建议对齐到 3。5 个工况变化场景全部通过迭代修改知识模型得到可满足方案。

值得注意的是那次唯一的重复性波动:同一个无解案例,5 次运行中有 2 次把运输目标工位对齐到起始工位 3,而不是传送带可达的末端工位 7。这个修改在形式上自洽,却会让规划器丢掉运输任务。它说明大模型提出的“合理修复”仍可能语义上跑偏,审批不能省。

启示

工业规划系统真正缺的往往不是更强的生成能力,而是可解释的失败反馈和可控的知识维护。把求解器留在正确性位置上,让大模型负责翻译、追问和提修改建议,再由人批准落库,是一条比“让大模型直接排产”更稳的工程路线。

资料来源:An LLM-Based Assistance System for Intuitive and Flexible Capability-Based Planning — arXiv(2026)。本文为技术要点编译,非原文全文。