基于大语言模型的无人机辅助传感网络中数据收集调度的情境学习
人工智能
2026-02-23 v2 新兴技术
机器学习
机器人学
摘要
无人机（UAV）日益被用于各种私人和商业应用，例如交通控制、包裹递送和搜救（SAR）任务。UAV辅助传感网络（UASNETs）中使用的机器学习（ML）方法，尤其是深度强化学习（DRL），面临着复杂且耗时的模型训练、仿真与现实之间的差距以及低采样效率等挑战，这些挑战与SAR等紧急事件的紧迫性相冲突。本文提出了一种替代DRL的情境学习数据收集调度（ICLDC）系统。无人机收集感应数据并传输给大语言模型（LLM），后者创建自然语言中的任务描述。从该描述中，无人机接收数据收集计划。验证器通过评估LLM生成的计划并基于预定义规则覆盖不安全的计划来确保无人机的安全操作。该系统通过整合反馈来持续适应，纳入任务描述以用于未来决策。本方法针对劫持攻击进行了测试，即任务描述被操纵以破坏网络性能，凸显了LLM对此类攻击的脆弱性。与DQN和最大信道增益基线相比，ICLDC显著降低了累计数据包丢失。ICLDC为UASNETs中的智能调度和控制提供了有前景的方向。
引用
@article{arxiv.2504.14556,
title = {LLM-Enabled In-Context Learning for Data Collection Scheduling in UAV-assisted Sensor Networks},
author = {Yousef Emami and Hao Zhou and SeyedSina Nabavirazani and Luis Almeida},
journal= {arXiv preprint arXiv:2504.14556},
year = {2026}
}