Foundation-Model-Based Agents in Industrial Automation: Purposes, Capabilities, and Open Challenges
作者: Vincent Henkel, Felix Gehlhoff, David Kube, Asaad Almutareb, Luis Cruz, Bernd Hellingrath, Philip Koch, Christoph Legat, Florian Mohr, Michael Oberle, Felix Ocker, Thorsten Schoeler, Mario Thron, Nico Andre Töpfer, Lucas Vogt, Yuchen Xia
分类: cs.AI
发布日期: 2026-05-04
备注: 35 pages, 8 figures, 1 table. Submitted to Journal of Intelligent Manufacturing for peer review. A comparison of classical agent applications and foundation-model based agents is presented
💡 一句话要点
综述研究：基于大模型的智能体在工业自动化中的应用、能力与挑战
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 工业自动化 大模型 智能体 文献综述 人机交互 过程优化 决策支持
📋 核心要点
- 现有工业智能体在人机交互和处理不确定性方面存在不足，限制了其在复杂工业环境中的应用。
- 本文通过系统性文献综述，分析了基于大模型的智能体在工业自动化中的应用现状、能力和局限性。
- 研究表明，基于大模型的智能体在人机交互和处理不确定性方面有显著提升，但仍面临泛化性、幻觉等挑战。
📝 摘要（中文）
本文探讨了基于大模型的智能体在工业自动化领域（如决策支持、过程监控和工程自动化）的应用现状。通过系统性的文献综述，筛选了2341篇出版物，并对其中的88篇进行了结构化编码分析，揭示了当前此类系统主要处于原型和早期验证阶段（TRL 4-6，占比75.0%），实际部署案例较少（9.1%）。这些系统主要用于用户辅助、监控和过程优化，而在传统的生产控制领域（如计划和调度）应用较少。与传统工业智能体系统相比，基于大模型的智能体在人机交互和处理不确定性方面表现出显著优势（分别提升37%和35%），但在协商能力方面存在明显不足（降低39%）。研究还指出了泛化能力不足、幻觉和输出不稳定、数据稀缺以及推理延迟等主要局限性。此外，本文提出了基于大模型的工业智能体的工作定义，连接了传统智能体理论、自动化工程标准和大模型范式。
🔬 方法详解
问题定义：现有工业自动化智能体在处理复杂、非结构化信息和进行自然人机交互方面存在局限性。传统方法难以有效应对工业环境中普遍存在的不确定性和动态变化，并且缺乏足够的灵活性和适应性，导致在用户辅助、监控和过程优化等任务中效率较低。
核心思路：利用大模型的强大语言理解和生成能力，构建能够理解自然语言指令、处理非结构化数据、并与人类用户进行有效沟通的智能体。通过将大模型与传统智能体技术相结合，提升智能体在工业环境中的适应性和智能化水平。
技术框架：本文采用PRISMA 2020指南进行系统性文献综述，首先对2341篇相关出版物进行筛选，然后基于结构化编码方案，最终选取88篇文献进行深入分析。分析框架包括：1) 评估基于大模型的工业智能体的成熟度（TRL等级）；2) 识别其在工业自动化中的应用目标；3) 评估其能力概况，并与传统智能体系统进行对比；4) 总结其局限性。
关键创新：本文的关键创新在于对基于大模型的工业智能体进行了全面的综述分析，并提出了一个工作定义，将传统智能体理论、自动化工程标准和大模型范式联系起来。通过对比基于大模型的智能体与传统智能体，揭示了其在人机交互和处理不确定性方面的优势，以及在协商能力方面的不足。
关键设计：本文主要关注对现有文献的分析和综合，没有涉及具体的模型设计或参数设置。研究重点在于识别和总结现有研究中使用的模型、技术和方法，并评估其在工业自动化领域的适用性和有效性。研究结果为未来基于大模型的工业智能体设计提供了重要的参考依据。
🖼️ 关键图片
📊 实验亮点
研究发现，基于大模型的智能体在人机交互方面比传统智能体提升了37%，在处理不确定性方面提升了35%。然而，在协商能力方面，基于大模型的智能体表现出明显的不足，降低了39%。此外，研究还指出了泛化能力不足、幻觉和输出不稳定、数据稀缺以及推理延迟等是当前此类系统面临的主要挑战。
🎯 应用场景
该研究成果可应用于智能制造、工业物联网、智能运维等领域。基于大模型的智能体能够提升生产效率、降低运营成本、改善人机协作，并为工业决策提供更智能化的支持。未来，随着大模型技术的不断发展，此类智能体将在工业自动化领域发挥越来越重要的作用。
📄 摘要（原文）
Foundation models, particularly large language models, are increasingly integrated into agent architectures for industrial tasks such as decision support, process monitoring, and engineering automation. Yet evidence on their purposes, capabilities, and limitations remains fragmented across domains. This work examines how mature foundation-model-based agent systems are in industrial contexts, how their functional profile differs from conventional agent systems, and which limitations persist. A systematic literature survey following the PRISMA 2020 guideline is presented, screening 2,341 publications and synthesising a corpus of 88 publications through a structured coding scheme. The results show that reported systems are predominantly at prototype and early validation stages (75.0% at TRL 4-6), with deployment-oriented evidence remaining rare (9.1%). Operational goals are most frequently positioned in user assistance, monitoring, and process optimisation, while conventional production-control purposes such as planning and scheduling are less prominent. Compared with an established baseline for industrial agent systems, the capability profile reveals substantial gains in human interaction (+37%) and dealing with uncertainty (+35%), but a pronounced deficit in negotiation (-39%). The most widely reported limitations concern lack of generalization, hallucination and output instability, data scarcity, and inference latency. A working definition of foundation-model-based industrial agents is also proposed, bridging conventional agent theory, automation-engineering standards, and the foundation-model paradigm.