엣지 환경의 산업 제어를 위해 소형 언어모델(SLM)을 검증기 결합 자기교정 루프에 넣어 자연어 요구사항으로부터 제어 정책을 생성·재구성하는 프레임워크를 제안했다. Qwen2.5-1.5B를 GRPO(Group Relative Policy Optimization)로 정렬하고, 행동 에이전트·디지털 트윈식 심볼릭 검증 계층·재프롬프팅 에이전트를 결합했다. 무작위 열 제어 시뮬레이션(30개 실험, 각 500스텝)에서 평균 행동 정합 정확도 91.5%(86.3~100%), 평균 추론 지연 3.84초를 달성했고, 심볼릭 재매핑 하에서도 95% 범위 내 유지율을 보였다. 클라우드 대형 모델의 지연·데이터 민감성 문제를 피하면서 엣지에서 재구성 가능한 자율 제어를 구현하는 실용적 경로로 SLM+검증기 아키텍처를 뒷받침한다.

• •Qwen2.5-1.5B를 GRPO로 정렬해 제어 추론용으로 재훈련, 행동 에이전트·검증 계층·재프롬프팅 에이전트의 3요소 루프 구성
• •열 제어 시뮬레이션 30개(각 500스텝)에서 평균 행동 정합 정확도 91.5%, 평균 추론 지연 3.84초
• •심볼릭 재매핑 하에서도 95% 범위 내 유지율로 강건한 물리적 제어 입증
• •클라우드 대형 모델의 지연·불투명성·데이터 민감성 문제를 피하는 엣지 폐루프 제어의 대안 제시