可解釋控制策略

深度分析

結合 LLM 與程式碼重寫的自我演化代理在 FSI 控制上實現可解釋性與高效能

本研究以大型語言模型驅動的自我演化科學代理，解決高度非線性流體結構交互的目標導向控制。從單一推進種子策略出發，於第六次迭代即實現全向目標捕捉，最終在第二十次迭代完成可通用、可追溯的控制器，且在未見靜態與動態目標上皆能成功。此外，此流程僅需數十次模擬即完成，遠低於傳統深度強化學習所需的上千次迭代。