ITNTNにおけるマルチUAV知的航法：階層的LLMアプローチ
クラウドベースLLMとエッジLLMをDRLと組み合わせた階層的LLMフレームワークを提案。ITNTNにおけるUAV航法の衝突率低減とスループット向上を実現。
ソースarXiv Robotics著者: Zijiang Yan, Hao Zhou, Wael Jaafar, Jianhua Pei, Ping Wang, Halim Yanikomeroglu, Hina Tabassum
高速無人航空機（UAV）を3次元の空中ハイウェイに展開するには、物理的な飛行運動学と多層ネットワークハンドオーバーの堅牢な調整が必要です。深層強化学習（DRL）は迅速な戦術制御を提供しますが、動的な統合地上・非地上ネットワーク（ITNTN）に迅速に適応するためのゼロショット戦略的推論が欠けています。一方、大規模言語モデル（LLM）は意味的推論に優れていますが、推論レイテンシが高く、リアルタイムの空力制御には不適切です。
このギャップを埋めるため、研究チームは新しい階層的LLM駆動制御フレームワークを提案しました。高高度プラットフォーム局（HAPS）に展開された大規模クラウドLLMは、低速タイムスケールのグローバル負荷分散を管理し、UAV群全体の効率的な運用を確保します。同時に、各UAV上の軽量エッジLLMが局所観測を戦術サブゴールに変換します。これらのサブゴールは、高速タイムスケールの物理DRLコントローラを導き、衝突回避とハンドオーバーを考慮した軌道を実行します。
シミュレーション結果は、既存のベースラインと比較して、衝突率の大幅な低減とシステム全体のスループット向上を示しています。本研究はIEEE GLOBECOM 2026に正式に採択されました。論文著者はZijiang Yan氏を含む7名で、論文番号はarXiv:2607.18604です。このアプローチは、将来の3次元空中交通管理における知的航法の新たな道を開くものです。