跳到正文
返回论文列表
cs.RO提交于 已译

UAV-SwarmAgent:通过代码生成与视觉语言推理实现可扩展的多无人机侦察与任务分配

UAV-SwarmAgent: Scalable Multi-UAV Reconnaissance and Task Allocation via Code Generation and Vision-Language Reasoning

Oleg Sautenkov · Yasheerah Yaqoot · Muhammad Ahsan Mustafa · Grigorii Kalinin · Chih-Yung Wen · Dzmitry Tsetserukou

中文摘要

多无人机侦察任务通常需要规划航点并持续监控每架无人机。UAV SwarmAgent 是一种分层多智能体系统:操作员用一句自然语言描述任务,地面站智能体编写并执行代码,将其转换为各无人机的独立路线。该智能体借助视觉语言模型(vision-language model)在空中地图中定位检查目标,通过平衡路线长度将目标分配给 N 架无人机,并调度工作智能体使用紧凑的机载决策模型核验事件。仿真涵盖 4 种事件类型和 3 种基础模型,集群在 255 次任务中的 244 次成功定位事件,成功率为 95.7%。针对 1 至 5 架无人机的配对扩展研究显示,飞行时间符合 Amdahl 型定律;第二架无人机贡献了可实现节省量的一半,加速比上限为 1.52x。论文讨论了这种可预测性及观察到的误报对集群操作员的意义,并概述了检验该系统的用户研究。

关键要点

  1. 01分层多智能体系统可将自然语言任务转换为各无人机的路线与目标分配
  2. 02结合视觉语言模型定位目标,并用紧凑机载决策模型核验事件
  3. 03仿真在 255 次任务中成功定位 244 次事件,成功率为 95.7%
  4. 041 至 5 架无人机的扩展实验表明飞行时间符合 Amdahl 型定律
  5. 05第二架无人机贡献一半可实现节省量,整体加速比上限为 1.52x

解读

尚无解读。

原始英文摘要

arXiv:2610.32559v1 Announce Type: new Abstract: Supervising a multi-UAV reconnaissance mission usually means plotting waypoints and watching every drone. We present UAV SwarmAgent, a hierarchical multi-agent system in which an operator states the mission in one natural-language sentence and a ground-station agent writes and executes code that turns it into per-UAV routes. The agent grounds inspection targets in an aerial map with a vision-language model, splits them among N UAVs by balancing route length, and dispatches worker agents that verify incidents with a compact onboard decision model. In simulation over 4 incident types and 3 foundation models, the swarm located the incident in 244 of 255 missions (95.7%). A paired scaling study with one to 5 UAVs shows that flight time follows an Amdahl-type law. The second UAV delivers half of the attainable saving and the speedup is bounded at 1.52x. We discuss what this predictability, and the false alarms we observed, imply for an operator who supervises the swarm, and outline the user study needed to test it.

同方向论文 · cs.RO

查看全部 →

反向发现 · 这篇论文相关的工具与提示词

去交叉发现 →

关联提示词 · 6

编程tech.qimao.com·外部收录·

按规范检查 Go 代码改动,分析问题与服务影响并生成 Code Review 报告

``` # Code Review 规范 你是 golang 编程的专家,现在对代码进行 Code Review,请按照以下步骤进行: (若遇到 git 命令分页的情况,请加上`| cat`) ## 步骤一:代码规范检查 - [ ] 是否遵循最佳实践 @.cursor/rules/rule-code-spec.mdc - [ ] 是否存在重复代码 - [ ] 是否有充分的注释和文档 - [ ] 是否易于理解和维护 ## 步骤二:功能问题分析 - [ ] 分析本次代码改动的影响…

编程zhuanlan.zhihu.com·外部收录·

用于指导 Claude Code 按阶段规划、测试驱动实现、重构并提交代码。

### 1. 规划与分阶段 将复杂的工作分解为 3-5 个阶段。在 `IMPLEMENTATION_PLAN.md` 中记录: ```text ## 阶段 N: [Name] **目标**: [具体可交付成果] **成功标准**: [可测试的结果] **测试**: [具体的测试用例] **状态**: [未开始|进行中|已完成] ``` * 随着进展更新状态 * 所有阶段完成后删除文件 ### 2. 实现流程 1. **理解** - 研究代码库中的现有模式 2. **测试**…

编程github.com/PlexPt/awesome-chatgpt-prompts-zh·外部收录·

充当全栈软件开发人员

我想让你充当软件开发人员。我将提供一些关于 Web 应用程序要求的具体信息,您的工作是提出用于使用 Golang 和 Angular 开发安全应用程序的架构和代码。我的第一个要求是'我想要一个允许用户根据他们的角色注册和保存他们的车辆信息的系统,并且会有管理员,用户和公司角色。我希望系统使用 JWT 来确保安全。

编程github.com/PlexPt/awesome-chatgpt-prompts-zh·外部收录·

充当前端智能思路助手

我想让你充当前端开发专家。我将提供一些关于Js、Node等前端代码问题的具体信息,而你的工作就是想出为我解决问题的策略。这可能包括建议代码、代码逻辑思路策略。我的第一个请求是“我需要能够动态监听某个元素节点距离当前电脑设备屏幕的左上角的X和Y轴,通过拖拽移动位置浏览器窗口和改变大小浏览器窗口。”

编程github.com/PlexPt/awesome-chatgpt-prompts-zh·外部收录·

充当 Linux 终端

我想让你充当 Linux 终端。我将输入命令,您将回复终端应显示的内容。我希望您只在一个唯一的代码块内回复终端输出,而不是其他任何内容。不要写解释。除非我指示您这样做,否则不要键入命令。当我需要用英语告诉你一些事情时,我会把文字放在中括号内[就像这样]。我的第一个命令是 pwd