Resumen: Lograr un desempeño de nivel experto en la capacitación basada en simulación depende de la creación de escenarios complejos y adaptables, un proceso tradicionalmente laborioso y que requiere muchos recursos. Aunque investigaciones anteriores exploraron la generación de escenarios para el entrenamiento militar, las herramientas de IA anteriores al LLM tuvieron dificultades para generar escenarios suficientemente complejos o adaptables. Este artículo presenta un marco de razonamiento multimodal y multiagente que aprovecha los modelos de lenguajes grandes (LLM) para generar artefactos de entrenamiento críticos, como órdenes de operaciones (OPORD). Estructuramos nuestro marco descomponiendo la generación de escenarios en una jerarquía de subproblemas y, para cada uno, definimos el papel de la herramienta de IA: (1) generar opciones para que un autor humano seleccione, (2) producir un producto candidato para aprobación o modificación humana, o (3) generar artefactos textuales de forma totalmente automática. Nuestro marco emplea agentes especializados basados en LLM para abordar distintos subproblemas. Cada agente recibe información de los agentes del subproblema anterior, integrando detalles del escenario basados en texto e información visual (por ejemplo, características del mapa, posiciones de las unidades y aplica razonamiento especializado para producir resultados apropiados. Los agentes posteriores procesan estos resultados de forma secuencial, preservando la coherencia lógica y asegurando una generación precisa de documentos. Esta estrategia de múltiples agentes supera las limitaciones de las indicaciones básicas o los enfoques de un solo agente al abordar tareas tan complejas. Validamos nuestro marco a través de una prueba de concepto que genera el esquema de maniobra y movimiento sección de un OPORD mientras estima posiciones y movimientos del mapa como un precursor que demuestra su viabilidad y precisión. Nuestros resultados demuestran el potencial de los sistemas multiagente impulsados por LLM para generar documentos coherentes y matizados y adaptarse dinámicamente a las condiciones cambiantes, avanzando en la automatización en la generación de escenarios para el entrenamiento militar.
Publicado originalmente en export.arxiv.org el 11 de noviembre de 2025.
Ver fuente original
