Physical AI 工具
Physical AI 工作流程組合數位孿生場景上下文、SimReady asset 包、營運約束和工程審閱記錄。AI 工具面協助 Agent 和產品工作流程準備佈局、匯入 CAD 和平面圖、執行模擬、比較 what-if 場景、訓練代理模型，並把結果打包給下游執行環境。
工具層
| 層 | 主要使用者 | 訪問邊界 | 輸出類型 |
|---|---|---|---|
/mcp/base/ MCP 工具 | Agent 客戶端、copilot、工作流程編排器 | base.read、base.compute.run 和選擇性 base.action.write scope | 場景上下文、來源資料、模擬摘要、最佳化結果、報告、審閱記錄 |
/ai/layout/* AI Engine endpoint | 佈局最佳化器、工程研究、規劃工作流程 | 產品服務認證和佈局權限 | 最佳化佈局、評估 KPI、校驗錯誤、敏感性結果、建議 |
/ai/cad/* 與 /api/v1/model-assets/* | CAD、BIM、模型資產接入工作流程 | 產品服務認證和資產權限 | 匯入幾何、佈局記錄、模型資產版本、元件幾何、twin 綁定 |
/ai/des/*、/ai/whatif/*、/ai/sim/* 和分析引擎 | 模擬和場景工作流程 | 產品服務認證和模擬權限 | DES 執行、what-if 比較、EnergyPlus 方向模擬、Monte Carlo、系統動力學、進化最佳化、代理模型輸出 |
| SimRunner | 工程自動化和批量場景執行 | 專案執行環境憑據和場景訪問 | .digrec、語義場景 JSON、執行日志、場景包 artifact |
MCP endpoint 和 scope
| Endpoint | Scope | 用途 |
|---|---|---|
/mcp/base/ | base.read | 讀取場景記錄、文件、連接器狀態、資料品質、設備狀態和支撐證據。 |
/mcp/base/ | base.compute.run | 執行已核准的模擬、最佳化、空間分析、預測、報告生成和模型工作流程。 |
/mcp/base/ | base.action.write | 當場景審閱需要營運跟進時，存儲已核准的工單或動作記錄。 |
大多數 Physical AI Agent 工作流程從 base.read 和 base.compute.run 開始。只有審閱輸出需要形成營運記錄時才增加寫入 scope。
MCP 工具地圖
場景和來源資料接入
| 工具 | 主要用途 |
|---|---|
import_dxf | 匯入 DXF 平面圖並識別墙、門、窗和圍欄。 |
import_data | 匯入外部 REST 或 CSV 記錄作為分析輸入。 |
list_connectors | 列出源連接器和同步狀態。 |
check_data_quality | 審閱完整性、準確性、一致性、及時性和違規項。 |
troubleshoot_connector | 診斷連接器錯誤和同步日志。 |
get_equipment_documents | 檢索手冊、圖紙、SOP 和維護記錄。 |
search_documents | 按關鍵詞、類型或關聯實體搜尋 ECM 文件。 |
query_knowledge | 查詢設備、故障模式、維修動作、規則和規劃。 |
模擬和場景分析
| 工具 | 主要用途 |
|---|---|
run_des | 執行流程或隊列的離散事件模擬。 |
run_dag_simulation | 執行带路徑、條件和 Sankey 風格流向輸出的 DES。 |
run_abm | 執行基於 Agent 的人群模擬。 |
run_simulation | 執行註冊模組模擬，例如交通、供熱或設備生命週期場景。 |
cascade_simulation | 跨 DES、ABM 和 Monte Carlo 串聯模擬引擎。 |
run_montecarlo | 執行隨機風險或壓力測試。 |
run_system_dynamics | 執行長期行為的 stock-and-flow 模擬。 |
run_doe | 執行實驗設計和因素顯著性分析。 |
simulate_logistics | 在設施佈局上模擬 AGV 或叉車物流。 |
最佳化和模型加速
| 工具 | 主要用途 |
|---|---|
optimize_layout | 使用多目標搜尋和 DES 評估最佳化設施佈局。 |
run_optimization | 尋找多目標最佳化參數組合。 |
optimize_evolutionary | 執行進化多目標最佳化。 |
optimize_bayesian | 用貝葉斯最佳化調優黑盒函數。 |
optimize_milp | 求解混合整數線性規劃問題。 |
train_surrogate | 從模擬或測量資料訓練快速代理模型。 |
predict_surrogate | 使用已訓練代理模型進行推理。 |
detect_drift | 檢測資料或概念漂移。 |
estimate_causal_effect | 估計處理效應。 |
find_optimal_policy | 使用因果推斷寻找策略。 |
AI Engine 工具地圖
| Endpoint 組 | 目的 | 需要準備的輸入 | 需要審閱的輸出 |
|---|---|---|---|
/ai/layout/optimize, /ai/layout/evaluate, /ai/layout/validate | 最佳化、評估並校驗佈局。 | 基線佈局、可移動元素、約束、目標權重、執行設置。 | 候選佈局、KPI、約束說明、修複清單。 |
/ai/layout/analyze-space, /ai/layout/sensitivity, /ai/layout/compare | 分析空間、敏感性和候選比較。 | 樓層、區域、資產、KPI 定義、因素範圍。 | 利用率、因素排序、比較摘要。 |
/ai/cad/import, /ai/cad/import-dxf, /ai/cad/import-json | 匯入 CAD、DXF 或 JSON 佈局。 | 來源檔案、單位、坐標假設、圖層對應、租戶上下文。 | 匯入佈局、識別實體、警告、儲存記錄。 |
/ai/des/run, /ai/des/batch-run, /ai/des/runs/{run_id} | 執行並讀取 DES 場景。 | 場景類型、實體、資源、路線、服務時間、執行設置。 | 吞吐、等待時間、瓶颈、利用率、匯出結果。 |
/ai/sim/extract-kpis, /ai/sim/build-idf, /ai/sim/run | 準備並執行 EnergyPlus 方向建築模擬。 | 幾何、分區、材料、時程、天氣、能源假設。 | KPI schema、IDF payload、執行狀態、模擬輸出。 |
/ai/whatif/run, /ai/whatif/engines, /ai/whatif/batch | 執行同步或非同步 what-if 比較。 | 基線、變更參數、引擎選擇、批量設置。 | 場景比較、job 狀態、輸出指標。 |
/ai/surrogate/train, /ai/surrogate/predict | 訓練並使用代理模型。 | 采樣模擬執行、輸入特征、目標 KPI、候選輸入。 | 模型 ID、訓練指標、預測 KPI、置信指標。 |
推薦工具序列
| 場景 | 推薦路徑 |
|---|---|
| SimReady asset 包 | CAD/DXF 匯入 -> 資料品質檢查 -> 文件和約束檢索 -> 佈局校驗 -> 場景與假設報告 |
| 佈局和工藝研究 | /ai/layout/validate -> /ai/layout/evaluate -> /ai/layout/optimize -> /ai/layout/compare |
| What-if 和不確定性審閱 | run_des -> /ai/whatif/run -> run_montecarlo -> generate_report |
| 代理模型輔助迭代 | 原始模擬樣本 -> /ai/surrogate/train -> /ai/surrogate/predict -> 高价值場景回到原模擬引擎 |
| 執行環境交接 | 場景和模型資產 ID -> SimReady asset 審閱 -> SimRunner 或目標 adapter -> 語義場景 JSON 與驗證說明 |
資料要求
- 租戶、場景、模型資產、模型資產版本和元件幾何 ID；
- 來源檔案引用、checksum、格式、座標系統、單位、原點、樓層和區域引用；
- 語義標簽、材料提示、碰撞假設、關節、約束、運動範圍和安全區；
- 工藝路線、任務序列、服務時間、需求 profile、執行限制和異常規則；
- 透過 DFS 準備的感測器、巡檢、工單、生產、表計或現場觀察記錄；
- 模擬引擎、執行環境 adapter、版本、隨機種子、執行時長、timestep 和變更參數；
- KPI、
.digrec、語義場景 JSON、渲染輸出和審閱說明。
輸出審閱清單
- 場景、模型資產、模型資產版本和元件幾何引用可見。
- 座標系統、單位、比例和樓層或區域對應清楚。
- 執行環境、引擎、版本、執行時長、隨機種子和變更參數已記錄。
- 模擬假設、簡化點和缺少物理參數可見。
- 佈局輸出包含約束狀態和基線比較。
- 代理模型輸出包含模型 ID、特征 schema、訓練資料集和驗證指標。
- 機器人訓練或外部執行環境輸出在複用前由工程負責人審閱。