使用本地大语言模型和数字孪生进行多线任务调整的人机协作

自动化系统必须适应不断变化的任务、设备状态和人员配备条件，同时为人工审查提供证据。这项研究提出了一种集成本地大语言模型、数字孪生和人类决策的多线任务调整系统。提议-验证-决定工作流程将操作员意图转化为结构化需求，生成一组有界的候选策略，并检查语义、模拟执行和操作约束。链接记录保留了从请求到验证证据和决策的可追溯性。使用四个虚拟手术器械分拣线评估了 30 个固定测试记录：28 个评估了工作流程，2 个评估了模型生成。 18个工作流程案例达到预期效果；自主策略工作流程的成功率为 3/10，正确拒绝无效输入的率为 7/8。通过先前检查、提供完整证据并达到最终工程审查（CP6）的所有四个案例均通过了该审查。与正确阻止未通过吞吐量限制的策略一起，这支持了测试环境中分阶段筛选和确认的有效性。八个模拟证据记录的平均放置验证通过率为 97.50%。首次可审查响应和模拟验证的平均时间（不包括启动）分别为 12.94 秒和 164.39 秒。其余的失败包括语义扭曲、证据不完整和遗漏无效输入。结果展示了可追踪的策略审查工作流程，但并未建立整体可靠性或长期稳定性。需要更广泛的测试和物理评估来评估普遍性。