卡奥斯工业智能研究院（青岛）有限公司

本申请涉及工业人工智能技术领域，提供一种基于工业世界模型的仿真决策方法、设备、介质及产品。该方法包括：依托工业本体对工艺相关文本转换为模板动作编码，并将模板动作编码交由工业世界模型；将标准化多模态数据作为工业状态表征模型的输入参数，获得工业状态表征模型输出的潜在状态特征；将潜在状态特征和干预动作编码作为工业动态仿真模型的输入参数，获得工业动态仿真模型输出的多轮仿真时序序列，并对多轮仿真时序序列量化处理得到多维度量化仿真指标；将多轮仿真时序序列和多维度量化仿真指标，作为工业预测与决策模型的输入参数，获得工业预测与决策模型在工艺合规约束和优化目标权重的限制下输出的目标决策指令。

本发明公开了一种多智能体系统协同控制方法、装置、电子设备及存储介质，涉及工业人工智能技术领域。方法采集多个待控制设备的多源传感器数据；基于多源传感器数据构建证据体以进行漂移检测，得到漂移检测结果；基于漂移检测结果进行面向不规则前沿的自适应参考向量增强，得到自适应调整后参考向量集；将多智能体系统建模为非合作聚合博弈，基于自适应调整后参考向量集，通过差分隐私保护的分布式条件梯度算法计算非支配解集；根据漂移检测结果执行分级响应，并根据多个待控制设备的当前现场需求从非支配解集中选取控制指令下发以控制设备。本发明技术方案提升动态适应性、突破高维优化瓶颈、实现隐私保护下的轻量化计算。

本申请实施例提供一种基于大语言模型的柔性换产制造任务编排方法、装置、设备、介质及产品，具体涉及智能制造与工业自动化领域。该方法通过获取用户输入的任务描述语，并结合目标制造任务的领域知识构建具有制造场景语义约束的提示信息，再将二者输入大语言模型进行推理，生成包含子任务序列、行为树骨架及执行需求列表的结构化任务编排结果。通过引入领域知识约束与结构化生成机制，可提升任务编排的完整性、逻辑正确性和系统适配性，减少人工配置成本，并为后续制造执行与调度部署提供统一明确的任务基础。