-
题名双大语言模型核心驱动的自适应船舶航行智能体架构
被引量：1
- 1
-
-
作者
马枫
王秀敏
陈晨
徐晓滨
严新平
-
机构
武汉理工大学水路交通控制全国重点实验室
武汉理工大学智能交通系统研究中心
武汉工程大学计算机科学与工程学院
南京智慧水运科技有限公司
杭州电子科技大学中国-奥地利人工智能与先进制造“一带一路”联合实验室
-
出处
《中国舰船研究》
北大核心
2025年第6期101-125,共25页
-
基金
国家重点研发计划资助项目(2023YFB4302300)
国家自然科学基金资助项目(52201415)
+1 种基金
水路交通控制全国重点实验室基金项目(16-10-1)
河南省沙颍河航道智能绿色航运装备研发与管控模式示范应用项目(241111243000)。
-
文摘
[目的]现有船舶航行决策系统在面对未预定义的航行场景时,难以展现出优越的导航性能。鉴于大语言模型(LLM)在未知场景处理方面的广泛适用性,提出一种双大语言模型核心驱动的自适应船舶航行智能体架构(Nav-DLLC)来改善上述问题。[方法]首先,Nav-DLLC基于推理与行动(ReAct)的提示词工程策略,以大参数LLM为智能体控制核心,将复杂的航行任务分解为易于管理的子任务,并调用外部工具集收集航行信息,减少LLM的错误推理。随后,以采用低秩适配(LoRA)技术微调的小参数LLM作为避碰决策核心,用于处理非结构化外部数据,生成符合《国际海上避碰规则》的瞭望分析与避碰决策建议。[结果]仿真实验表明,Nav-DLLC在传统船舶避碰任务及非结构化动态场景中均表现出卓越性能,其避碰准确率为86%,行为合规率为90%,显著优于DeepSeek-R1等LLM基线及动态窗口(DWA)、人工势场(APF)这些传统方法。决策核心的单次决策时延为11.13 s,高于传统方法的0.73 s,但仍处于避碰决策安全时间窗口内。[结论]Nav-DLLC弥合了传统导航系统与LLM技术之间的差距,为复杂航行环境提供了安全高效的智能决策范式。
-
关键词
船舶
导航系统
避碰
决策
推理与行动
低秩适配
大语言模型
智能体架构
-
Keywords
ships
navigation systems
collision avoidance
decision making
reasoning and acting
lowrank adaptation
large language model
intelligent agent architecture
-
分类号
U666.61
[交通运输工程—船舶及航道工程]
U675.5
[交通运输工程—船舶及航道工程]
-
