面向无人机的下一代 LLM：从自然语言到自动飞行
机器人学
2025-10-28 v1 人工智能
计算与语言
系统与控制
系统与控制
摘要
随着大型语言模型（LLM）的快速发展，它们在 various 自动化领域的能力，特别是无人机（UAV）操作，正受到日益关注的注意。当前研究主要局限于小型无人机应用，大多数研究仅聚焦于诸如玩具无人机路径规划等孤立组件，缺乏对中长距离无人机系统在真实世界操作情境中的综合性调查。更大的无人机平台引入了独特的挑战，包括对机场基础起降程序的严格要求、遵守复杂监管框架的需求，以及具备特殊操作能力和更高使命期望的功能。本position论文提出了面向无人机的下一代 LLM 系统（NeLV），旨在演示并规划 LLM 集成到多尺度无人机操作的综合方法。NeLV 系统处理自然语言指令，通过五个关键技术组件来 orchestrate 短中长程无人机任务：（i）LLM 作为解析器用于指令解释、（ii）POI 路线规划器用于确定感兴趣点、（iii）路径规划器用于生成航点、（iv）控制平台用于执行可执行轨迹、（v）无人机监控。我们通过三个代表性用例演示了系统的可行性，这些用例涵盖不同的操作规模：多无人机巡逻、多POI 递送和多跳转移。除了当前实现之外，我们建立了一个五级自动化分类法，描绘了从当前 LLM 作为解析器能力（第 1 级）到完全自主 LLM 作为 autopilot 系统（第 5 级）的演进，确定每个阶段的技术前提和研究挑战。
引用
@article{arxiv.2510.21739,
title = {Next-Generation LLM for UAV: From Natural Language to Autonomous Flight},
author = {Liangqi Yuan and Chuhao Deng and Dong-Jun Han and Inseok Hwang and Sabine Brunswicker and Christopher G. Brinton},
journal= {arXiv preprint arXiv:2510.21739},
year = {2025}
}