以LLM為核心的無人機蜂群代理型AI：架構、使能技術與開放問題
無人機蜂群在搜尋救援和環境監測中潛力巨大，但受限於態勢感知不足、連線中斷和網路安全風險。本文提出以LLM為核心的代理型AI框架（LAUS），整合感知、記憶、推理規劃與行動，實現自適應蜂群行為，同時分析了攻擊面擴大、優先順序操縱攻擊等威脅，並指出了抗幻覺推理、SWaP約束下的機載LLM部署等開放挑戰。
無人機蜂群（UAV Swarms）在搜尋救援（SAR）和環境監測等領域展現出巨大潛力，但其實際部署仍面臨諸多挑戰，包括態勢感知不足、通訊連線不穩定以及嚴重的網路安全風險。傳統的AI系統往往難以勝任動態環境下的自主決策需求。為此，由Yousef Emami等多位研究人員合著的論文《LLM-Centric Agentic AI for UAV Swarms: Architecture, Enabling Technologies, and Open Problems》提出了以大語言模型（LLM）為核心的代理型人工智慧框架（LAUS），旨在透過閉環認知架構實現蜂群的自主性、適應性和目標導向行為。
LAUS框架將感知、記憶、推理規劃和行動整合為一個統一的系統，使蜂群能夠自主制定並執行復雜任務。與傳統的獨立LLM相比，代理型AI強調從感知到行動的閉環迴圈，從而提升了系統的適應性和決策能力。然而，這種能力提升也帶來了更大的攻擊面。論文詳細梳理了關鍵使能技術，包括機載與邊緣計算、5G/6G高速連線、多模態智慧感知以及針對性網路安全機制。特別值得注意的是，研究深入分析了優先順序操縱攻擊（Priority Manipulation Attack, PMA），這種攻擊能夠扭曲系統的決策過程並降低網路效能，對蜂群協作構成嚴重威脅。
在開放問題方面，論文強調了三項核心挑戰：一是開發抗幻覺推理機制，確保LLM在關鍵任務中的輸出可靠性；二是在嚴格的大小、重量和功率（SWaP）約束下部署機載LLM；三是建立針對感知-推理攻擊的標準化安全基準，以評估和增強系統的魯棒性。這些問題的解決將推動無人機蜂群從理論研究走向實際應用，併為未來自主系統的發展奠定基礎。