基于大语言模型和链律思考的无人机辅助物流调度智能体框架（带移动边缘计算）
人工智能
2026-05-14 v1 机器学习
摘要
在云制造中，无人机（UAV）可支持产品收集和移动边缘计算（MEC）。这种联合操作形成一种混合调度问题，其中物理物流决策与计算任务调度相耦合。本文中，UAV 收集制造站点的已完成产品并将其运回中央仓库。同时，对这些站点的工业传感器设备生成的计算任务在本地、UAV 上或通过 UAV 卸载到云端处理。这种耦合使得问题变得具有挑战性。UAV 只能在站点服务窗口内提供 MEC 服务，因此路由决策直接决定无人机辅助卸载何时可用。路由决策还会影响 UAV 能源预算以及在任务截止日期约束下，UAV 上计算和通信资源的可用性，以执行计算任务。为此，我们提出了一个智能体 AI 辅助优化框架，包含两个组件。首先，我们开发了一个结合大型语言模型、检索增强生成和链律思考的智能体 AI，将用户输入翻译为可解释的混合调度问题的数学表述。其次，我们设计了一个基于近端策略优化（PPO）的分层深度强化学习方法，其中上层学习 UAV 路由，下层优化每个时段的任务执行和资源分配。仿真结果表明，所提框架产生更一致的表述，而分层 PPO 在后 500 个回合中实现了 99.6% 的完整产品收集，保持 100% 的截止日期满足率，性能比优势演员-评论家方法更稳定。
引用
@article{arxiv.2605.13221,
title = {An Agentic AI Framework with Large Language Models and Chain-of-Thought for UAV-Assisted Logistics Scheduling with Mobile Edge Computing},
author = {Hanwen Zhang and Dusit Niyato and Wei Zhang and Xin Lou and Malcolm Yoke Hean Low},
journal= {arXiv preprint arXiv:2605.13221},
year = {2026}
}
备注
15 pages