面向AAV覆盖搜索的物理 grounding 增强型LLM微调框架——Skypilot
机器人学
2025-11-25 v1
摘要
自主空中车辆(AAV)在覆盖作业和搜寻任务中发挥着关键作用。近期大型语言模型(LLM)的进展为增强AAV智能水门提供了广阔希望，帮助解决区域覆盖优化、动态路径规划和自适应决策等复杂挑战。然而，LLM缺乏物理 grounding 导致其在空间推理和决策中出现幻觉和不可复现问题。为此，我们提出Skypilot，一个将语言模型 grounding 在物理现实中的两阶段框架，通过集成蒙特卡洛树搜索(MCTS)实现。第一阶段，我们引入多样化的动作空间，涵盖生成、再生、微调和评估操作，并配合 physics-informed reward 函数确保轨迹可行性。在第二阶段，我们在23,000个MCTS生成的样本上对Qwen3-4B进行微调，实现推理加速同时保持解质量。广泛的仿真和实际飞行实验验证了我们方法的高效与优越。详细信息与实验结果可访问https://sky-pilot.top。
关键词
引用
@article{arxiv.2511.18270,
title = {Skypilot: Fine-Tuning LLM with Physical Grounding for AAV Coverage Search},
author = {Zhongkai Chen and Yihao Sun and Chao Yan and Han Zhou and Xiaojia Xiang and Jie Jiang},
journal= {arXiv preprint arXiv:2511.18270},
year = {2025}
}