在通信受阻条件下,利用大语言模型辅助任务规划、预测性协调及自适应拓扑管理以实现高效的美国无人船集群控制
《Drones》:LLM-Assisted Mission Planning, Predictive Coordination, and Adaptive Topology Management for Resilient USV Swarm Control Under Communication Denial
【字体:
大
中
小
】
时间:2026年08月03日
来源:Drones 5.2
摘要
在通信受阻的海洋环境中运行的无人水面艇群,当各艇之间的状态信息交换受到干扰时,其编队控制性能会下降。本文提出了一种三层控制架构,包括:(1)结合大型语言模型辅助的战略任务规划与正式的安全性验证;(2)融合基于物理的运动预测与在线学习的邻近艇行为模型的预测性战术协调机制;(3)用于受限环境下的编队控制的DMPC + ADMM算法。在针对五种典型场景的仿真测试中,与不采取任何预测措施的情况相比,该预测协调模块在60秒的通信中断时间内可将编队误差降低76.0%(仿真条件下),Cohen d值为0.88,p值小于0.001,且DMPC + ADMM算法的有效性已得到验证。自适应拓扑管理器通过一个综合考量通信质量、威胁程度以及系统开销的效用函数,动态选择星型、网状或树形等不同的编队结构,在保持编队精度的同时,使通信开销在所研究的特定情况下降低了71.7%。通过多种李雅普诺夫函数及平均驻留时间理论进行的稳定性分析表明,该架构在拓扑结构发生变化时仍能保持全局均匀指数稳定性,并且通过格龙沃尔型论证得出了通信受阻条件下的误差上界。该框架通过五种场景下的1250次仿真试验以及严格的统计分析得到了验证。这种三层时间解耦架构为在竞争激烈的环境中安全地将大型语言模型辅助的规划技术与实时多智能体控制相结合提供了实用的方案。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号