智能体驾驶教练：智能体AI驱动的人在回路信息物理系统的鲁棒性与确定性

包括大语言模型（LLM）在内的基础模型正被越来越多地用于人在回路（HITL）信息物理系统（CPS），因为基于基础模型的AI智能体有望同时与物理环境和人类用户交互。然而，人类用户与AI智能体的不可预测行为，叠加动态变化的物理环境，导致了不可控的非确定性。为应对使智能体AI驱动的HITL CPS成为可能这一紧迫挑战，我们提出一种基于reactor计算模型（MoC）的方法，由开源Lingua Franca（LF）框架实现。我们还以智能体驾驶教练作为HITL CPS的一个应用，开展了具体案例研究。通过评估基于LF的智能体HITL CPS，我们识别出在此类系统中重新引入确定性的实际挑战，并提出应对这些挑战的路径。