LLM-агент для планирования горных работ: 99% эффективности при линейном масштабировании
Исследователи разработали новый подход к планированию открытых горных работ с использованием больших языковых моделей (LLM). Предложенная система Sim2Schedule объединяет LLM с симулятором, который кодирует геотехнические и операционные ограничения, что позволяет модели действовать как автономный агент принятия решений.
Традиционно для этой задачи применяется смешанное целочисленное линейное программирование (MILP), которое даёт математически оптимальные решения, но страдает от экспоненциальной вычислительной сложности и неспособности адаптироваться в реальном времени. Sim2Schedule работает в режиме zero-shot без дообучения и облачных вычислений, что обеспечивает безопасность данных.
В основе системы лежит кастомный симулятор, который на каждом шаге направляет LLM, учитывая приоритеты выемки, связь добычи и переработки, а также динамические ограничения по мощности. В результате формируются полные, интерпретируемые графики добычи и переработки.
Для проверки эффективности авторы разработали новую MILP-постановку с реалистичными ограничениями. На тестах с карьерами разного масштаба и временных горизонтов LLM-фреймворк достиг от 94% до 99% чистой приведённой стоимости (NPV) от оптимального MILP-решения, при этом время вычислений росло линейно.
Таким образом, Sim2Schedule предлагает практическую и масштабируемую альтернативу классической оптимизации для долгосрочного промышленного планирования в условиях сложных ограничений. Работа опубликована на arXiv и представляет интерес для горнодобывающей отрасли и исследований в области ИИ.
