基于大语言模型的人-群体协作认知框架用于灾难搜索与救援
机器人学
2025-11-26 v1 人工智能
摘要
大规模灾难搜索与救援 (SAR) 操作始终面临复杂地形和中断通信的问题。虽然无人机群 (UAV swarm) 为诸如广域搜索和补给投递等任务提供了有前景的解决方案，但其有效的协调仍会给人类操作员带来巨大的认知负担。人机协作的核心瓶颈在于“意图-行动鸿沟”，即在高强度和高压环境下，将高层次的救援目标转化为低层次的群体命令，这一过程充满错误风险。为弥合这一鸿沟，本研究提出了一种新型的 LLM-CRF 系统，利用大语言模型 (LLM) 来建模和增强人-群体协作认知。该框架首先通过语音或图形注释等自然且多模态的交互方式捕获操作员的意图，然后将 LLM 作为认知引擎执行意图理解、层次任务分解和群体 UAV 任务规划。该闭环框架使群体能够作为积极的合作伙伴，实时提供主动反馈，减少对人工监控和控制的需求，从而显著提升 SAR 任务的效能。我们在模拟的 SAR 场景中评估了所提出的框架。实验结果表明，与传统的命令式界面相比，所提出的 LLM 驱动方法将任务完成时间缩短约 ，任务成功率提高 。此外，该方法还导致主观认知负荷显著降低，NASA-TLX 分数下降 。本工作建立了大语言模型在高风险情境下创建更直观和有效的人-群体协作潜力。
引用
@article{arxiv.2511.04042,
title = {An LLM-based Framework for Human-Swarm Teaming Cognition in Disaster Search and Rescue},
author = {Kailun Ji and Xiaoyu Hu and Xinyu Zhang and Jun Chen},
journal= {arXiv preprint arXiv:2511.04042},
year = {2025}
}