用于低空经济组网的大语言模型增强强化学习
人工智能
2025-05-28 v1
摘要
低空经济组网（LAENet）旨在通过部署各类飞行器以实现灵活且高性价比的空中网络，从而支持 1,000 米以下的各种飞行应用。然而，复杂的决策、资源限制和环境不确定性对 LAENet 的发展构成了重大挑战。强化学习（RL）为应对这些挑战提供了潜在的解决方案，但在泛化性、奖励设计和模型稳定性方面存在局限性。大语言模型（LLMs）的出现为 RL 缓解这些局限性提供了新机遇。在本文中，我们首先利用 LLMs 的生成、上下文理解和结构化推理能力，提供了一个关于将 LLMs 集成到 RL 中的教程。然后，我们提出了一个用于 LAENet 的 LLM 增强 RL 框架，将 LLM 用作信息处理器、奖励设计器、决策器和生成器。此外，我们通过使用 LLMs 设计奖励函数以提升 RL 在 LAENet 中的学习性能，开展了一项案例研究。最后，我们给出结论并讨论了未来工作。
引用
@article{arxiv.2505.21045,
title = {Large Language Model-enhanced Reinforcement Learning for Low-Altitude Economy Networking},
author = {Lingyi Cai and Ruichen Zhang and Changyuan Zhao and Yu Zhang and Jiawen Kang and Dusit Niyato and Tao Jiang and Xuemin Shen},
journal= {arXiv preprint arXiv:2505.21045},
year = {2025}
}
备注
7 pages, 5 figures