Phase-Adaptive LLM Framework with Multi-Stage Validation for Construction Robot Task Allocation: A Systematic Benchmark Against Traditional Optimization Algorithms
Created by
Haebom
Category
Empty
저자
Shyam prasad reddy Kaitha, Hongrui Yu
개요
본 연구는 건설 자동화 분야에서 LLM 기반 Task Allocation Agent (LTAA)를 제안합니다. LTAA는 위상 적응 할당 전략, 계층적 재시도를 통한 다단계 검증, 동적 프롬프팅을 통합하여 효율적인 로봇 조정을 수행합니다. LTAA는 기존의 최적화 방법론 (Dynamic Programming, Reinforcement Learning 등)과의 체계적인 비교를 통해 LLM 기반 할당의 타당성을 입증합니다. 특히, Heavy Excels 환경에서 LTAA는 77%의 작업 완료율과 뛰어난 작업 부하 균형을 달성하며, 기존 방법론들을 능가하는 성능을 보였습니다. LTAA는 자연어 추론과 구조화된 검증 메커니즘을 결합하여 토큰 사용량 94.6% 감소, 할당 시간 86% 감소의 계산적 이점을 얻었습니다.
