以LLM为核心的无人机蜂群代理型AI：架构、使能技术与开放问题
无人机蜂群在搜索救援和环境监测中潜力巨大，但受限于态势感知不足、连接中断和网络安全风险。本文提出以LLM为核心的代理型AI框架（LAUS），整合感知、记忆、推理规划与行动，实现自适应蜂群行为，同时分析了攻击面扩大、优先级操纵攻击等威胁，并指出了抗幻觉推理、SWaP约束下的机载LLM部署等开放挑战。
无人机蜂群（UAV Swarms）在搜索救援（SAR）和环境监测等领域展现出巨大潜力，但其实际部署仍面临诸多挑战，包括态势感知不足、通信连接不稳定以及严重的网络安全风险。传统的AI系统往往难以胜任动态环境下的自主决策需求。为此，由Yousef Emami等多位研究人员合著的论文《LLM-Centric Agentic AI for UAV Swarms: Architecture, Enabling Technologies, and Open Problems》提出了以大语言模型（LLM）为核心的代理型人工智能框架（LAUS），旨在通过闭环认知架构实现蜂群的自主性、适应性和目标导向行为。
LAUS框架将感知、记忆、推理规划和行动整合为一个统一的系统，使蜂群能够自主制定并执行复杂任务。与传统的独立LLM相比，代理型AI强调从感知到行动的闭环循环，从而提升了系统的适应性和决策能力。然而，这种能力提升也带来了更大的攻击面。论文详细梳理了关键使能技术，包括机载与边缘计算、5G/6G高速连接、多模态智能感知以及针对性网络安全机制。特别值得注意的是，研究深入分析了优先级操纵攻击（Priority Manipulation Attack, PMA），这种攻击能够扭曲系统的决策过程并降低网络性能，对蜂群协作构成严重威胁。
在开放问题方面，论文强调了三项核心挑战：一是开发抗幻觉推理机制，确保LLM在关键任务中的输出可靠性；二是在严格的大小、重量和功率（SWaP）约束下部署机载LLM；三是建立针对感知-推理攻击的标准化安全基准，以评估和增强系统的鲁棒性。这些问题的解决将推动无人机蜂群从理论研究走向实际应用，并为未来自主系统的发展奠定基础。