本文提出了一种基于协调场的代理系统（CoordField），通过大型语言模型解析自然语言指令并利用动态势场实现异构无人机群在城市环境中的去中心化任务分配，实验验证了其在任务覆盖、响应时间和动态适应性方面的优越性能。
Large Language Model, Multi-Agent, Planning, Control, Robotics
Tengchao Zhang, Yonglin Tian, Fei Lin, Jun Huang, Patrik P. Süli, Rui Qin, Fei-Yue Wang
Macau University of Science and Technology, Macau, China, Institute of Automation, Chinese Academy of Sciences, Beijing, China, Óbuda University, Hungary, Tianjin University, Tianjin, China, The University of Chinese Academy of Sciences, Beijing, China
Generated by grok-3
Background Problem
随着城市环境中对异构无人机（UAV）群执行复杂任务（如行人检测、车辆跟踪和交通信号监控）的需求增加，系统设计面临多重挑战，包括高效的语义理解、灵活的任务规划以及对动态环境和任务需求的适应性调整。现有方法（如灰狼优化器和鲸鱼优化算法）通常针对特定任务设计，难以适应异构无人机群在高度动态环境中的协调需求。因此，本文提出了一种基于协调场的代理系统（CoordField），旨在通过大型语言模型（LLM）解析高级人类指令，并利用协调场机制实现去中心化的任务分配和动态适应，以解决城市低空场景中的任务分配问题。
Method
本文提出了一种基于协调场的代理系统（CoordField），用于城市环境中异构无人机群的任务分配。其核心方法包括以下三个模块：
- 语义理解模块：利用大型语言模型（LLM）将自然语言指令解析为结构化任务表示，如任务坐标 、优先级 和任务类型 ，为后续规划和执行奠定基础。
- 规划模块与协调场：通过构建动态势场 表示任务紧急度和空间分布，采用高斯函数加权求和计算任务密度；基于纳维-斯托克斯方程构建速度场 引导无人机运动方向；引入局部涡流机制 实现无人机间的排斥，避免资源冗余和冲突，最终生成综合控制速度场 。
- 执行模块：将规划模块输出的速度场和任务分配信息转化为实时控制命令，通过API接口（如MAVSDK、ROS2）发送至无人机平台，同时通过闭环反馈更新势场和速度场以适应环境变化。
该方法的核心在于去中心化的协调机制，利用势场和速度场实现任务导向的自主导航和动态任务分配，同时结合LLM的语义理解能力处理复杂指令。
Experiment
实验在一个自定义的二维城市模拟环境中进行，覆盖1000×1000网格空间，包含道路网络、建筑物、动态行人和车辆等元素。部署了20架无人机，分为巡逻和跟踪两种类型，各10架，通过自然语言指令（如“检查人群和车辆”）生成任务，并使用DeepSeek API解析指令。实验评估了任务解析准确率（TPA）、覆盖效率（CE）、任务负载平衡（TLB）和无人机利用率（UUR）四个指标，与多个基线模型（如GPT-4o、Claude-3-7-Sonnet）进行了50轮对比测试。结果显示，本文方法在TPA（96%）、CE（95%）、TLB（0.8）和UUR（97%）上均显著优于基线模型，表明其在语义理解、任务覆盖和资源协调方面具有优势。然而，实验设计存在局限：仅限于2D模拟环境，未涉及3D场景或真实无人机测试；基线模型的选择和参数设置缺乏详细说明，可能影响结果的公正性；此外，高密度任务场景下的计算复杂度和实时性问题未被充分探讨，实验结果可能过于理想化。
Further Thoughts
本文提出的协调场方法为无人机群任务分配提供了一个新颖的视角，特别是其去中心化特性和对动态环境的适应性值得进一步探索。然而，我认为其理论框架和实验验证仍有改进空间。例如，协调场的设计是否可以结合强化学习（Reinforcement Learning）来动态优化势场参数，以应对更复杂的3D城市环境？此外，论文未讨论势场计算在高密度任务场景下的可扩展性问题，这可能成为实际部署的瓶颈。另一个有趣的方向是将协调场方法与其他领域（如交通流建模或人群疏散）结合，探索其在更广泛的多代理系统中的应用潜力。同时，与其他基于LLM的多代理系统（如AgentVerse）相比，本文系统在多模态数据处理和长期任务规划方面的能力似乎较为有限，未来可以引入多模态基础模型（Multimodal Foundation Model）来增强系统的感知和决策能力。