无人机的数学推理：基于RAG的复杂算术推理方法
人工智能
2025-07-01 v2
摘要
无人机的自主操作需要可靠的数学推理能力，以完成如轨迹规划和动力管理等任务。虽然传统飞行控制依赖硬编码方程，但近期的大型语言模型（LLM）提供了更灵活的解决方案潜力，然而它们在可靠选择和应用正确数学公式方面存在挑战，难以执行精确的多步骤算术运算。我们提出了RAG-UAV（检索增强生成框架），旨在通过提供相关领域文献，提高针对无人机特定情境下多种大型语言模型（包括GPT o1/Turbo、Llama-3.2/3.3、Mistral和DeepSeek R1）的数学推理能力。为开展初始评估，我们引入了UAV-Math-Bench，即包含20个涵盖四个难度等级的无人机相关数学问题的测试集。我们的实验表明， incorporating 检索显著提高了准确答案的准确率（以o1模型达到75%），减少了错误公式选择的实例（从没有RAG时的25%降至5%），并显著降低了数值错误，将最佳模型的均方误差（MSE）降低了多个数量级。该 pilot 研究表明，RAG可以使通用大型语言模型成为更可靠的工程分析工具，尽管直接实时飞行控制仍需在更大规模上的进一步调查和验证。所有基准数据、问题和答案均公开可用。
引用
@article{arxiv.2506.04998,
title = {Mathematical Reasoning for Unmanned Aerial Vehicles: A RAG-Based Approach for Complex Arithmetic Reasoning},
author = {Mehdi Azarafza and Mojtaba Nayyeri and Faezeh Pasandideh and Steffen Staab and Achim Rettberg},
journal= {arXiv preprint arXiv:2506.04998},
year = {2025}
}
备注
15 pages, 7 figures, 4 appendix subsections