Мультиагентна система підтримки випробувань озброєння та військової техніки

Вадим Слюсар

doi:10.34169/2414-0651.2026.1(49).65-75

Мультиагентна система підтримки випробувань озброєння та військової техніки

Автор(и)

Вадим Слюсар Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України https://orcid.org/0000-0002-2912-3149

DOI:

https://doi.org/10.34169/2414-0651.2026.1(49).65-75

Ключові слова:

штучний інтелект, мультиагентні системи, великі мовні моделі

Анотація

У статті запропоновано мультиагентну систему підтримки випробувань ОВТ, яка складається з низки спеціалізованих інтелектуальних агентів. Така система дозволяє перевести випробування з повільного послідовного режиму у швидкий ітеративний цикл із автоматизованою генерацією сценаріїв, безперервним збором і аналізом даних, напівавтоматичною звітністю й контрольованою логістикою. В результаті можуть бути створені передумови для скорочення строків впровадження нових зразків ОВТ без компромісів щодо безпеки, відтворюваності та відповідності нормативним вимогам.

Завантаження

Дані завантаження ще не доступні.

Біографія автора

Вадим Слюсар, Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України

доктор технічних наук, професор

начальник групи головних наукових співробітників Центральний науково-дослідний інститут озброєння та військової техніки Збройних Сил України

Посилання

Kondratenko, Y., Kondratenko, G., Shevchenko, A., Slyusar, V., Zhukov, Y. & Vakulenko, M. (2023). Towards Implementing the Strategy of Artificial Intelligence Development: Ukraine Peculiarities. CEUR Workshop Proc. Vol. 3513. Pp. 106—117. Available at:

https://ceur-ws.org/Vol-3513/paper 09.pdf.

Kondratenko, Y., Shevchenko, A., Zhukov, Y., Klymenko, M., Slyusar, V., Kondratenko, G. & Striuk, O. (2023). Analysis of the Priorities and Perspectives in Artificial Intelligence Implementation. 13th Intern. IEEE Conf. «Dependable Systems, Services and Technologies» (DESSERT’2023). Greece. Athens. 8 p. October 13–15. https://doi.org/10.1109/DESSERT61349.2023.10416432. DOI: https://doi.org/10.1109/DESSERT61349.2023.10416432

Kondratenko, Y.P., Slyusar, V.I., Solesvik, M.B., Kondratenko, N.Y. & Gomolka, Z. (2024). Interrelation and inter-influence of artificial intelligence and higher education systems. Research Tendencies and Prospect Domains for AI Development and Implementation. Pp. 31—58. DOI: https://doi.org/10.1201/9788770046947-2

Slyusar, V.I., Kondratenko, Y.P., Shevchenko, A.I. & Yeroshenko, T.V. (2024). Some Aspects of Artificial Intelligence Development Strategy for Mobile Technologies. J. of Mobile Multimedia. Vol. 20_3. Pp. 525—554. Available at: 10.13052/jmm1550-4646.2031. DOI: https://doi.org/10.13052/jmm1550-4646.2031

Patwardhan, T. et al. GDPval: Evaluating AI Model Performance on Real-World Economically Valuable Tasks. OpenAI. Oct. 2025. Available at: DOI: https://doi.org/10.70777/si.v2i4.17197

https://cdn.openai.com/pdf/d5eb7428-c4e9-4a33-bd86-86dd4bcf12ce/GDPval.pdf. [Accessed: Oct. 25, 2025].

Slyusar, V. (2025). Distributed Multi-agent Systems Based on the Mixture of Experts Architecture in the Context of 6G Wireless Technologies. In: Dovgyi, S., et al. (eds) Applied Innovations in Information and Communication Technology. ICAIIT 2024. Lecture Notes in Networks and Systems. Vol. 1338. Springer. Pp. 81—110. https://doi.org/10.1007/978-3-031-89296-7_6. DOI: https://doi.org/10.1007/978-3-031-89296-7_6

Zhang, D., Li, Z., Wang, P., Zhang, X., Zhou, Y. & Qiu, X. (2024). SpeechAgents: Human-Communication Simulation with Multi-Modal Multi-Agent Systems. arXiv. Available at:

https://arxiv.org/abs/2401.03945.

Baier, T., Baez Santamaria, S. & Vossen, P. (2022). A modular architecture for creating multimodal agents. arXiv. Available at:

https://arxiv.org/abs/2206.00636.

Слюсар В.І. Результати тестування локальної мовної моделі gpt-oss-20b. XXV Наук.-техн. конф. «Випробування і сертифікація озброєння та військової техніки». 25 вересня 2025 р. Черкаси: ДНДІ випробувань і сертифікації ОВТ.

Bhardwaj, D., Beniwal, A., Chaudhari, S., Kalyan, A., Rajpurohit, T., Narasimhan, K.R., Deshpande, A., & Murahari, V. (2025). Agent context protocols enhance collective inference. arXiv. at:

https://arxiv.org/abs/2505.14569.

Habler, I., Huang, K., Narajala, V. S., & Kulkarni, P. (2025). Building a secure agentic AI application leveraging A2A protocol. arXiv. at:

https://arxiv.org/abs/2504.16902.

Jeong, C. (2025). A study on the MCP × A2A framework for enhancing interoperability of LLM-based autonomous agents. arXiv. at:

https://arxiv.org/abs/2506.01804.

Liu, J., Yu, K., Chen, K., Li, K., Qian, Y., Guo, X., Song, H., & Li, Y. (2025). ACPs: Agent collaboration protocols for the Internet of Agents. arXiv. at: DOI: https://doi.org/10.1109/IC-NIDC67200.2025.11390349

https://arxiv.org/abs/2505.13523.

Martineau, K. (2025, May 28). The simplest protocol for AI agents to work together. IBM Research. at: https://research.ibm.com/blog/agent-communication-protocol-ai.

Слюсар, В. (2024). Локальні великі мовні моделі для обробки конфіденційної інформації . Озброєння та військова техніка, 44(4), 79–91.

https://doi.org/10.34169/2414-0651.2024.4(44).79-91 DOI: https://doi.org/10.34169/2414-0651.2024.4(44).79-91

Слюсар, В., & Гусаковський, І. (2025). Практичні аспекти розгортання великих мовних моделей в локальних мережах. Озброєння та військова техніка, 45(1), 84–96.

https://doi.org/10.34169/2414-0651.2025.1(45).84-96 DOI: https://doi.org/10.34169/2414-0651.2025.1(45).84-96

Lewis, P., Perez, E., Piktus, A., Petroni, F., Karpukhin, V., Goyal, N., Küttler, H. Lewis, M. Yih, W.-t. Rocktäschel, T. et al. (2020). Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. Advances in Neural Information Processing Systems. Vol. 33. Pp. 9459—9474. Available at:

https://arxiv.org/abs/2005.11401.

INSAIT-Institute/MamayLM-Gemma-3-4B-IT-v1.0. Available at: https://huggingface.co/mradermacher/MamayLM-Gemma-3-4B-IT-v1.0-GGUF.

INSAIT-Institute/MamayLM-Gemma-3-12B-IT-v1.0. Available at: https://huggingface.co/mradermacher/MamayLM-Gemma-3-12B-IT-v1.0-GGUF.

Lapa LLM. Available: https://huggingface.co/lapa-llm. Accessed: Oct. 25, 2025.

Agarwal, S. et al. (2025). GPT-OSS-120B & GPT-OSS-20B model card. arXiv. Available at: https://doi.org/10.48550/arXiv.2508.10925.

Нос І.А. Особливості формування загальних вимог та технічних умов ОВТ при використанні інформаційних технологій підтримки випробувань в умовах правового режиму воєнного часу. XXV Наук.-техн. конф. «Випробування і сертифікація озброєння та військової техніки». 25 вересня 2025 р. Черкаси: ДНДІ випробувань і сертифікації ОВТ.

Parthasarathy, V. B., Zafar, A., Khan, A. & Shahid, A. The Ultimate Guide to Fine-Tuning LLMs from Basics to Breakthroughs: An Exhaustive Review of Technologies, Research, Best Practices, Applied Research Challenges and Opportunities. arXiv. Available at:

https://arxiv.org/abs/2408.13296.

OpenAI, GPT-5 System Card, Aug. 7, 2025. Available at: https://cdn.openai.com/gpt-5-system-card.pdf. Accessed: Oct. 25, 2025.

Google DeepMind, Gemini 2.5 Deep Think Model Card, Aug. 1, 2025. Available at: https://storage.googleapis.com/deepmind-media/Model-Cards/Gemini-2-5-Deep-Think-Model-Card.pdf. Accessed: Oct. 25, 2025.

Anthropic, Claude Sonnet 4.5 System Card, Oct. 10, 2025. Available at:

https://www.anthropic.com/claude-sonnet-4-5-system-card. Accessed: Oct. 25, 2025.

n8n – Workflow Automation, GitHub, n8n-io (verified organization). 2025. Available at:

https://github.com/n8n-io. Accessed: Oct. 25, 2025.

Гусаковський І.П., Слюсар В.І., Чепков І.Б. Трансформація робочих процесів: практичне застосування Microsoft Power Automate та Google Gemini для автоматизації аналітики та звітності. Міжнар. наук.-практ. семінар «Проблематика, тенденції та перспективи розвитку воєнної науки та освіти в умовах сучасних глобальних викликів та конфліктів». 26 листопада 2025 р. Київ: Центральний наук.-досл. інст. Збройних Сил України.

Amazon Web Services. What is Amazon Bedrock AgentCore? Jul. 16, 2025. Available at: https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/what-is-bedrock-agentcore.html. . Accessed: Oct. 25, 2025.

OpenEnv: Agentic Execution Environments, Hugging Face organization page. Oct. 22, 2025. Available at: https://huggingface.co/openenv. Accessed: Oct. 25, 2025.