Resumen: Los procesos industriales deben ser robustos y adaptables, ya que los entornos y las tareas a menudo son impredecibles, mientras que los errores operativos siguen siendo costosos y difíciles de detectar. Los sistemas de control basados en IA ofrecen una ruta hacia adelante, pero generalmente dependen del aprendizaje supervisado con extensos conjuntos de datos etiquetados, lo que limita su capacidad para generalizar a través de configuraciones industriales variables y de escasez de datos. Los modelos de base podrían permitir un razonamiento más amplio e integración del conocimiento, pero rara vez entregar la precisión cuantitativa exigida por las aplicaciones de ingeniería. Aquí, introdujimos el control y la interpretación de la producción a través de la experiencia y el razonamiento híbrido (cifrado): un marco modelo de acción-lenguaje de visión (VLA) con el objetivo de replicar el razonamiento humano para el control industrial, instanciado en una impresora 3D de grado comercial. Integra un experto en procesos, un modelo de regresión que permite la caracterización cuantitativa de los estados del sistema requeridos para las tareas de ingeniería. Cipher también incorpora una generación acuática de recuperación para acceder al conocimiento externo de expertos y apoyar el razonamiento de la cadena de pensamiento informado por la física. Esta arquitectura híbrida exhibe una fuerte generalización a tareas de desactivación. Interpreta las entradas visuales o textuales del monitoreo de procesos, explica sus decisiones y genera autónomas instrucciones de máquina precisas, sin requerir anotaciones explícitas. Cipher, así, sienta los cimientos de los sistemas autónomos que actúan con precisión, razón con el contexto y comunican las decisiones de manera transparente, apoyando la implementación segura y confiable en entornos industriales.
Publicado Originalme en rss.arxiv.org El 10 de junio de 2025.
Ver Fuente Original
