基于大语言模型的固定虚拟环境中零件自动路径规划方法

本发明涉及人工智能、计算机图形学和自动控制领域，具体涉及一种基于大语言模型的固定虚拟环境中零件自动路径规划方法。

背景技术：

1、在三维环境中实现零件在固定虚拟环境上的自动路径规划是计算机图形学、人工智能和自动控制领域的一个重要研究方向。传统的路径规划方法主要依赖于基于规则的算法，如dijkstra算法等。这些方法在已知的静态环境中表现良好，但在需要实时决策或面对复杂路径时，往往难以适应动态变化或实现平滑的移动控制。

2、大语言模型(large language model，llm)的出现为解决复杂任务带来了新的可能性。以gpt和llama为代表的llm在自然语言处理任务中展现出惊人的能力和灵活性。然而，将这些模型应用于非语言任务，特别是在固定路径上的自动寻路领域，仍是一个新兴的研究方向。大语言模型在此类任务中的应用潜力尚未得到充分探索和利用。

3、目前，在三维环境的固定路径上实现基于大语言模型的高精度、低延迟自动路径规划仍面临诸多技术难题。主要挑战包括如何有效压缩和部署大语言模型以满足实时推理需求，如何将模型的语言理解能力转化为有效的移动控制指令，以及如何在保证寻路准确性的同时满足实时性要求。

技术实现思路

1、为解决上述问题，本发明提供了一种基于大语言模型的固定虚拟环境中零件自动路径规划方法，包括以下步骤：

2、s1.构建零件自动路径规划系统，其包括三维环境模块、控制逻辑模块、大语言模块和物理引擎模块；

3、s2.采用三维环境模块加载三维虚拟环境，所述三维虚拟环境包括零件；

4、s3.通过控制逻辑模块获取零件在三维虚拟环境中的当前位置信息，并发送给大语言模块；

5、s4.大语言模块采用微调转换后的大语言模型处理当前位置信息，返回速度向量给控制逻辑模块；

6、s5.控制逻辑模块将速度向量发送给物理引擎模块计算零件的移动信息，并将移动信息发送到三维环境模块更新零件的位置信息；

7、s6.若零件到达路径终点或偏离路径，则结束控制逻辑循环，否则重复执行步骤s3-s6。

8、进一步的，大语言模块获取微调转换后的大语言模型的过程包括：

9、s11.采集原始数据：构建目标三维虚拟环境，操纵零件在目标三维虚拟环境中进行移动，每隔固定时间间隔采集一组位置数据，获取多组位置数据作为原始数据；一组位置数据包括零件的当前位置三维坐标和三方向瞬时速度，三方向瞬时速度包括零件在当前位置的x、y、z三个方向上的瞬时速度；

10、s12.对原始数据进行预处理得到训练数据；

11、s13.采用llama模型作为预训练语言模型；

12、s14.基于训练数据，采用lora微调技术对预训练语言模型进行微调，得到微调后的lora参数；将基准大语言模型和微调后的lora参数合并得到微调好的大语言模型；

13、s15.将微调好的大语言模型转换为gguf格式，采用q4_k_m量化技术进行压缩得到微调转换后的大语言模型。

14、进一步的，步骤s12对原始数据进行预处理，得到符合llama模型输入格式的训练数据，包括：

15、对原始数据进行噪声过滤和归一化处理，得到预处理数据；

16、将预处理数据格式均转换为符合llama模型输入的格式；

17、将格式转换后的预处理数据按比例8:2划分为训练数据和验证数据。

18、进一步的，控制逻辑模块的具体处理过程包括：

19、s21.设置请求大语音模型推理结果频率；

20、s22.从三维虚拟环境中获取零件的当前位置信息；

21、s23.根据当前位置信息构造http post请求，通过api接口向大语言模块的大语言模型发送http post请求，设置请求超时时间；

22、s24.若在请求超时时间内收到大语言模型返回的json响应，则从json响应中提取速度向量输入物理引擎模块，否则使用上一次的速度向量输入物理引擎模块；

23、s25.从物理引擎模块获取移动信息更新零件的位置信息；若零件到达路径终点或偏离路径，则结束控制逻辑循环，否则开始下一次控制逻辑循环并返回步骤s22。

24、进一步的，请求大语言模型推理结果频率不低于每秒钟4次。

25、进一步的，物理引擎模块的计算过程表示为

26、p_new＝p_current+v×△t+0.5×a×(△t)2

27、其中，p_new表示移动信息，p_current表示零件当前位置信息，v表示速度向量，a表示加速度，△t表示时间步。

28、进一步的，零件自动路径规划系统还包括：

29、优化模块，用于缓存零件位置信息和速度向量。

30、进一步的，请求大语言模型推理结果频率的动态调整过程表示为

31、

32、其中，fnew表示更新后的请求大语言模型推理结果频率，fcurrent表示更新前的请求大语言模型推理结果频率，ttarget表示目标延迟，tactual表示实际延迟，α表示调节系数。

33、本发明的有益效果：

34、本发明将大语言模型、物理引擎和三维虚拟环境结合，实现了高效的自动寻路功能，具有良好的实时性能和扩展性，可应用于游戏开发、机器人导航等多个领域，为复杂环境中的智能控制提供了新的解决方案。

技术特征：

1.基于大语言模型的固定虚拟环境中零件自动路径规划方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于大语言模型的固定虚拟环境中零件自动路径规划方法，其特征在于，大语言模块获取微调转换后的大语言模型的过程包括：

3.根据权利要求2所述的基于大语言模型的固定虚拟环境中零件自动路径规划方法，其特征在于，步骤s12对原始数据进行预处理，包括：

4.根据权利要求1所述的基于大语言模型的固定虚拟环境中零件自动路径规划方法，其特征在于，控制逻辑模块的具体处理过程包括：

5.根据权利要求4所述的基于大语言模型的固定虚拟环境中零件自动路径规划方法，其特征在于，请求大语言模型推理结果频率不低于每秒钟4次。

6.根据权利要求1所述的基于大语言模型的固定虚拟环境中零件自动路径规划方法，其特征在于，物理引擎模块的计算过程表示为

7.根据权利要求1所述的基于大语言模型的固定虚拟环境中零件自动路径规划方法，其特征在于，零件自动路径规划系统还包括：

8.根据权利要求1所述的基于大语言模型的固定虚拟环境中零件自动路径规划方法，其特征在于，请求大语言模型推理结果频率的动态调整过程表示为

技术总结
本发明涉及人工智能、计算机图形学和自动控制领域，具体涉及一种基于大语言模型的固定虚拟环境中零件自动路径规划方法，包括：三维环境模块，用于根据基于WebGL的图形渲染库加载三维虚拟环境；控制逻辑模块，用于获取零件在三维虚拟环境中的当前位置信息；大语言模块，用于获取微调转换后的大语言模型，大语言模型根据当前位置信息输出速度向量；物理引擎模块，用于根据速度向量计算零件的移动信息，本发明将大语言模型、物理引擎和三维虚拟环境结合，实现了高效的自动寻路功能。

技术研发人员：赵志强,张彬,王远飞,陶于祥
受保护的技术使用者：重庆邮电大学
技术研发日：
技术公布日：2025/3/13