FlockGPT: Guiding UAV Flocking with Linguistic Orchestration

要約

この記事では、生成 AI による自然言語を使用した世界初の迅速なドローン群制御を紹介します。
説明されているアプローチにより、任意のサイズの群れを直感的にオーケストレーションして、目的の形状を実現できます。
この方法の主な特徴は、ユーザーと通信し、ターゲット ジオメトリの記述を生成するための大規模言語モデルに基づく新しいインターフェイスの開発です。
ユーザーは、群れジオメトリ モデルの構築中に対話的に変更したり、コメントを入力したりできます。
植毛技術を組み合わせ、符号付き距離関数を使用してターゲット表面を定義することにより、ターゲット状態間でのドローンの群れのスムーズで適応的な移動が実現されます。
FlockGPT に関するユーザー調査では、ユーザーがドローンの群れを高レベルで直感的に制御できることが確認されました。
これまでドローンの群れを制御したことがなかった被験者は、わずか数回の反復で複雑な図形を構築することができ、形成された群れのドローンの図形を正確に区別することができました。
その結果、LLM ベースのインターフェイスを通じて生成され、シミュレートされたドローンの群れによって実行された 6 つの異なる幾何学パターンの高い認識率が明らかになりました (立方体パターンと四面体パターンでは平均 80%、最大 93\%)。
ユーザーは、開発されたシステムの時間的要求の低さ (NASA-TLX スコア 19.2)、高性能 (NASA-TLX スコア 26)、魅力 (UEQ スコア 1.94)、および快楽的な品質 (UEQ スコア 1.81) についてコメントしました。
FlockGPT デモ コード リポジトリは次の場所にあります。近日公開予定

要約(オリジナル)

This article presents the world’s first rapid drone flocking control using natural language through generative AI. The described approach enables the intuitive orchestration of a flock of any size to achieve the desired geometry. The key feature of the method is the development of a new interface based on Large Language Models to communicate with the user and to generate the target geometry descriptions. Users can interactively modify or provide comments during the construction of the flock geometry model. By combining flocking technology and defining the target surface using a signed distance function, smooth and adaptive movement of the drone swarm between target states is achieved. Our user study on FlockGPT confirmed a high level of intuitive control over drone flocking by users. Subjects who had never previously controlled a swarm of drones were able to construct complex figures in just a few iterations and were able to accurately distinguish the formed swarm drone figures. The results revealed a high recognition rate for six different geometric patterns generated through the LLM-based interface and performed by a simulated drone flock (mean of 80% with a maximum of 93\% for cube and tetrahedron patterns). Users commented on low temporal demand (19.2 score in NASA-TLX), high performance (26 score in NASA-TLX), attractiveness (1.94 UEQ score), and hedonic quality (1.81 UEQ score) of the developed system. The FlockGPT demo code repository can be found at: coming soon

arxiv情報

提供元, 利用サービス

arxiv.jp, Google