arXiv cs.CL· Erik Derner, Ji\v{r}\'i Kubal\'ik, Robert Babu\v{s}ka·· 10 小时前AI 评分34
ASPIRE：面向迭代推理与探索的智能体系统辨识平台
ASPIRE: An Agentic System-Identification Platform for Iterative Reasoning and Exploration
AI 导读
ASPIRE 是一个由大语言模型智能体选择并执行辨识方法的非线性系统辨识框架，可从测量数据构建闭式非线性静态或动态模型，并支持自主或交互式运行。在移动机器人、含干摩擦的旋转系统和实验室发酵罐三个实测系统上，每任务五次共 30 次运行全部产出有效模型，单次成本 0.96 至 3.38 美元。
正文 · AI 翻译
摘要：系统辨识需要专家在辨识方法选择、先验物理知识的融入以及模型验证方面做出决策。我们提出 ASPIRE，一个用于非线性系统辨识的框架，其中由大语言模型智能体选择并执行辨识方法。ASPIRE 从测量数据中构建闭式的非线性静态或动态模型，数据可选地辅以系统描述、模型的预期用途，以及以形式化或自然语言表达的物理要求。每个模型都包含其参数、估计记录、对其各项的解释，以及在智能体无法访问的测试数据上评估的误差。形式化物理要求会被独立验证。ASPIRE 可自主运行或交互运行，允许智能体提问，也允许用户请求进一步的分析和辨识轮次。我们在三个实测系统上评估 ASPIRE：一个移动机器人、一个带干摩擦的旋转系统，以及一个实验室发酵罐。每个系统都在有描述和无描述两种条件下测试，每个任务运行五次。全部 30 次运行都给出了有效模型，每次运行成本为 0.96 至 3.38 美元。作者的评估发现，对于智能体推荐的 30 个模型（每次运行一个），模型解释及其结构选择和参数估计文档在 150 个评估项中完全满足 132 项，部分满足 18 项。最常见的差异出现在九个模型中，涉及关于模型结构选择的不准确或无依据的陈述。
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；计算与语言（cs.CL）；机器学习（cs.LG）；系统与控制（eess.SY） |
| 引用为： | arXiv:2611.13114 [cs.RO] |
| （或 arXiv:2611.13114v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.13114 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Erik Derner [查看邮箱]
[v1]
2026年11月9日星期一 19:03:05 UTC（700 KB）
来源：arXiv cs.CL · arxiv.org