人类-大语言模型协同：面向可扩展无人机群体操作的情境感知自适应架构
机器人学
2025-09-09 v1 多智能体系统
摘要
在灾难响应任务中部署自主无人机群体，要求开发出灵活、可扩展且具鲁棒性的协调系统。传统的固定架构难以应对动态且不可预测的环境，导致能源消耗和连接性效率低下。本文通过提出一种基于大语言模型的自适应架构，动态选择集中式、层次式或群核式架构，以适应实时任务参数（如任务复杂度、群体规模和通信稳定性）变化，来弥补这一差距。该系统解决了可扩展性、适应性和鲁棒性挑战，确保在不同条件下实现高效能源消耗和持续连接性。大量仿真实验表明，本文的自适应架构在可扩展性、能源效率和连接性方面均优于传统静态模型。这些结果凸显了该方法为现实灾难响应场景提供可扩展、可适应且具韧性解决方案的潜力。
引用
@article{arxiv.2509.05355,
title = {Human-LLM Synergy in Context-Aware Adaptive Architecture for Scalable Drone Swarm Operation},
author = {Ahmed R. Sadik and Muhammad Ashfaq and Niko Mäkitalo and Tommi Mikkonen},
journal= {arXiv preprint arXiv:2509.05355},
year = {2025}
}