CoordField: Coordination Field for Agentic UAV Task Allocation In Low-altitude Urban Scenarios

要約

都市環境で複雑なタスクを実行するために不均一な無人航空機（UAV）の群れに対する需要の増加に伴い、システム設計は現在、効率的なセマンティック理解、柔軟なタスク計画、および環境条件の進化と継続的に変化するタスク要件に応じて調整戦略を動的に調整する能力など、主要な課題に直面しています。
既存のアプローチの制限に対処するために、このペーパーでは、複雑な都市シナリオで不均一なUAV群を調整するための調整フィールドエージェントシステムを提案しています。
このシステムでは、大規模な言語モデル（LLMS）は、高レベルの人間の指示を解釈し、パトロールやターゲット追跡などのUAVスウォームの実行可能コマンドに変換する責任があります。
その後、UAVのモーションとタスクの選択をガイドし、緊急タスクの分散化された適応割り当てを可能にするための調整フィールドメカニズムが提案されます。
2Dシミュレーションスペースの異なるモデルで合計50ラウンドの比較テストが行​​われ、パフォーマンスを評価しました。
実験結果は、提案されたシステムが、タスクカバレッジ、応答時間、および動的変化に対する適応性の点で優れたパフォーマンスを達成することを示しています。

要約(オリジナル)

With the increasing demand for heterogeneous Unmanned Aerial Vehicle (UAV) swarms to perform complex tasks in urban environments, system design now faces major challenges, including efficient semantic understanding, flexible task planning, and the ability to dynamically adjust coordination strategies in response to evolving environmental conditions and continuously changing task requirements. To address the limitations of existing approaches, this paper proposes coordination field agentic system for coordinating heterogeneous UAV swarms in complex urban scenarios. In this system, large language models (LLMs) is responsible for interpreting high-level human instructions and converting them into executable commands for the UAV swarms, such as patrol and target tracking. Subsequently, a Coordination field mechanism is proposed to guide UAV motion and task selection, enabling decentralized and adaptive allocation of emergent tasks. A total of 50 rounds of comparative testing were conducted across different models in a 2D simulation space to evaluate their performance. Experimental results demonstrate that the proposed system achieves superior performance in terms of task coverage, response time, and adaptability to dynamic changes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google