自律的な産業運営への重要なステップは、自然言語による要件仕様から制御ポリシーを作成・再構成できることである。この設定では、実行前に生成された候補アクションをチェックできるプラント認識型バリデータ（例：デジタルツイン）と組み合わせることで、AIエージェントによるポリシー生成が有力な経路となる。しかし、実際の展開は推論レイテンシと計算フットプリントによって制約される。大規模クラウドモデルは、エッジでの閉ループ使用には遅すぎたり、不透明だったり、データに敏感すぎることが多い。
本研究では、コンパクトな小規模言語モデル（SLM）を制御推論用に再学習し、バリデータガイド付き修正ループに組み込めるかどうかを調査した。研究チームは、Group Relative Policy Optimization（GRPO）でアライメントされたQwen2.5-1.5Bモデルを使用し、（i）アクションエージェント（候補アクションを生成）、（ii）シンボリック/デジタルツイン形式の検証層（物理ルールと制約に従っているかチェック）、（iii）再プロンプトエージェント（検証結果に基づいて出力を有効なアクションへ反復的に導く）の3つのコンポーネントを組み合わせた。このマルチエージェントアーキテクチャにより、自己修正型の閉ループ制御が実現される。
実験はランダム化された熱制御シミュレーションで行われ、30回の独立した実験（各500ステップ）を実施した。結果として、フレームワークは平均アクション一致精度91.5%（ケース間で86.3%～100%）を達成し、平均推論レイテンシは3.84秒であった。これはエッジ展開にとって重要な数値である。シンボリック再マッピング下では、95%の範囲内率を維持し、トークンレベルの一致が減少しても堅牢な物理的調整を示した。
本研究はIEEE CCTA 2026に採択されており、その学術的価値が認められている。これらの結果は、SLMとバリデータを組み合わせたアーキテクチャが、エッジでの再構成可能な自律制御への実用的な道であることを示しており、産業オートメーションとスマート制御の分野に新たな展望を提供する。