Article · IA & agents
Tester un diagnostic LLM de panne sur une mission simulée
SPAR évalue un LLM comme planificateur de diagnostic et de récupération pour des véhicules sous-marins autonomes.
Le modèle n'est pas l'autonomie entière
Un véhicule sous-marin autonome doit parfois réagir sans communication fiable. Khalid Halba, Kylie Cooper et James G. Bellingham proposent une architecture où un contrôle déterministe assure le fonctionnement normal, tandis qu'un LLM est appelé pour diagnostiquer une anomalie et proposer une récupération.
Une plateforme en boucle fermée
SPAR couple un logiciel C temps réel, un orchestrateur, une injection de pannes fondée sur la physique, un prompt structuré, la génération et la validation d'un fichier de mission, puis son exécution. Le système permet de répéter les essais sur plusieurs réalisations de panne, plutôt que de conclure à partir d'une démonstration isolée.
Résultats rapportés
Les auteurs étudient une panne de déplacement du centre de gravité sur 480 essais. Le modèle frontière place le mécanisme dans ses trois premières hypothèses dans 85–90 % des essais, contre 60–78 % pour le meilleur modèle local rapporté. Les analyses associent le succès local au respect de la procédure complète ; les modèles plus faibles s'engagent parfois trop tôt sur une panne d'élévateur malgré un actionneur conforme.
Le diagnostic et la décision opérationnelle ne semblent pas couplés dans ce jeu de données. Cette séparation justifie de mesurer l'hypothèse produite et l'action effectivement autorisée.
Interprétation éditoriale : mettre l'agent derrière un contrat d'exécution
Un agent d'incident peut proposer un diagnostic, mais le système doit valider la commande, ses bornes et son effet attendu. La simulation doit injecter des variantes de panne, conserver les traces et mesurer les faux diagnostics comme les récupérations réussies.
Limites et statut de la source
Une seule famille de panne et une simulation ne représentent pas toutes les missions. Les scores de juge LLM ne remplacent pas une validation d'ingénieur. Le document est un preprint ArXiv et ne doit pas autoriser seul une action sur un véhicule réel.
Source
Khalid Halba, Kylie Cooper et James G. Bellingham, « A Simulation Platform for AUV Fault Recovery: Exploring LLM-Based Diagnostic Strategies », ArXiv 2609.20620v1 : résumé et preprint, PDF.