論文の概要: Next-Generation LLM for UAV: From Natural Language to Autonomous Flight

• arxiv url: http://arxiv.org/abs/2510.21739v1
• Date: Thu, 02 Oct 2025 04:09:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-03 05:35:45.943637
• Title: Next-Generation LLM for UAV: From Natural Language to Autonomous Flight
• Title（参考訳）: UAV用次世代LDM:自然言語から自律飛行へ
• Authors: Liangqi Yuan, Chuhao Deng, Dong-Jun Han, Inseok Hwang, Sabine Brunswicker, Christopher G. Brinton,
• Abstract要約: 本稿では,大規模言語モデルをUAV操作に統合するための総合的な実証と自動化のロードマップを示す。 NeLVシステムは自然言語の命令を処理し、短距離、中距離、長距離のUAVミッションを編成する。 異なる運用規模にまたがる3つの代表的なユースケースを通じて,システムの実現可能性を示す。
• 参考スコア（独自算出の注目度）: 29.20652695322384
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the rapid advancement of Large Language Models (LLMs), their capabilities in various automation domains, particularly Unmanned Aerial Vehicle (UAV) operations, have garnered increasing attention. Current research remains predominantly constrained to small-scale UAV applications, with most studies focusing on isolated components such as path planning for toy drones, while lacking comprehensive investigation of medium- and long-range UAV systems in real-world operational contexts. Larger UAV platforms introduce distinct challenges, including stringent requirements for airport-based take-off and landing procedures, adherence to complex regulatory frameworks, and specialized operational capabilities with elevated mission expectations. This position paper presents the Next-Generation LLM for UAV (NeLV) system -- a comprehensive demonstration and automation roadmap for integrating LLMs into multi-scale UAV operations. The NeLV system processes natural language instructions to orchestrate short-, medium-, and long-range UAV missions through five key technical components: (i) LLM-as-Parser for instruction interpretation, (ii) Route Planner for Points of Interest (POI) determination, (iii) Path Planner for waypoint generation, (iv) Control Platform for executable trajectory implementation, and (v) UAV monitoring. We demonstrate the system's feasibility through three representative use cases spanning different operational scales: multi-UAV patrol, multi-POI delivery, and multi-hop relocation. Beyond the current implementation, we establish a five-level automation taxonomy that charts the evolution from current LLM-as-Parser capabilities (Level 1) to fully autonomous LLM-as-Autopilot systems (Level 5), identifying technical prerequisites and research challenges at each stage.
• Abstract（参考訳）: LLM(Large Language Models)の急速な進歩に伴い、様々な自動化分野、特に無人航空機(Unmanned Aerial Vehicle, UAV)の運用において、その能力に注目が集まっている。 現在の研究は主に小型UAVの応用に限られており、ほとんどの研究はおもちゃドローンの経路計画のような孤立したコンポーネントに焦点を当てているが、実際の運用環境での中長距離UAVシステムの包括的な研究は欠如している。 より大規模なUAVプラットフォームでは、空港ベースの離陸および着陸手順の厳格な要件、複雑な規制フレームワークの遵守、ミッションの期待を高める特別な運用能力など、さまざまな課題が導入されている。 本稿では,マルチスケールUAV操作にLLMを統合するための総合的な実証と自動化のロードマップであるNeLV(Next-Generation LLM for UAV)システムについて述べる。 NeLVシステムは、短距離、中距離、長距離のUAVミッションを5つの重要な技術コンポーネントで編成するために自然言語命令を処理する。 i) LLM-as-Parser for instruction interpretation, 二 関心点決定のためのルートプランナー 三 ウェイポイント生成のためのパスプランナー 四 実行可能な軌道実装のための制御プラットフォーム及び (v)UAV監視。 マルチUAVパトロール,マルチPOI配信,マルチホップ移動という,さまざまな運用規模にまたがる3つの代表的なユースケースを通じて,システムの実現可能性を示す。 現在のLLM-as-Parser機能(レベル1)から完全に自律的なLLM-as-Autopilotシステム(レベル5)への進化をグラフ化し、各段階における技術的前提条件と研究課題を特定します。

関連論文リスト

• UAV-Flow Colosseo: A Real-World Benchmark for Flying-on-a-Word UAV Imitation Learning [39.07541452390107]
  無人航空機(UAV)は言語と対話するプラットフォームへと進化し、より直感的な人間とドローンの相互作用を可能にしている。 本研究では,この問題をFlying-on-a-Word(Flow)タスクとして形式化し,UAV模倣学習を効果的なアプローチとして導入する。 UAV-Flowは, 言語条件付き, きめ細かいUAV制御のための, 世界初の実世界のベンチマークである。
  論文  参考訳（メタデータ） (2025-05-21T16:31:28Z)
• Exploring the Roles of Large Language Models in Reshaping Transportation Systems: A Survey, Framework, and Roadmap [51.198001060683296]
  大型言語モデル(LLM)は、輸送上の課題に対処するための変革的な可能性を提供する。 LLM4TRは,交通におけるLSMの役割を体系的に分類する概念的枠組みである。 それぞれの役割について,交通予測や自律運転,安全分析,都市移動最適化など,さまざまな応用について検討した。
  論文  参考訳（メタデータ） (2025-03-27T11:56:27Z)
• UAVs Meet LLMs: Overviews and Perspectives Toward Agentic Low-Altitude Mobility [33.73170899086857]
  無人航空機(UAV)に代表される低高度機動性は、様々な領域に変革をもたらす。 本稿では,大規模言語モデル(LLM)とUAVの統合について検討する。 UAVとLLMが収束する主要なタスクとアプリケーションシナリオを分類し分析する。
  論文  参考訳（メタデータ） (2025-01-04T17:32:12Z)
• MALMM: Multi-Agent Large Language Models for Zero-Shot Robotics Manipulation [62.854649499866774]
  大規模言語モデル(LLM)は、ロボティクスの操作やナビゲーションなど、さまざまな領域にまたがる優れた計画能力を示している。 特殊なLLMエージェント間で高レベル計画および低レベル制御コード生成を分散する新しいマルチエージェントLLMフレームワークを提案する。 長軸タスクを含む9つのRLBenchタスクに対するアプローチを評価し、ゼロショット環境でロボット操作を解く能力を実証した。
  論文  参考訳（メタデータ） (2024-11-26T17:53:44Z)
• Integrating Large Language Models for UAV Control in Simulated Environments: A Modular Interaction Approach [0.3495246564946556]
  本研究では,UAV制御における大規模言語モデルの適用について検討する。 UAVが自然言語コマンドを解釈し、応答できるようにすることで、LLMはUAVの制御と使用を簡素化する。 本稿では,自律的な意思決定,動的なミッション計画,状況認識の向上,安全プロトコルの改善など,LCMがUAV技術に影響を与えるいくつかの重要な領域について論じる。
  論文  参考訳（メタデータ） (2024-10-23T06:56:53Z)
• A Survey on Vision-Language-Action Models for Embodied AI [90.99896086619854]
  エンボディードAIは、人工知能の重要な要素として広く認識されている。 組込みAIにおける言語条件ロボットタスクに対処するために、マルチモーダルモデルの新たなカテゴリが登場した。 具体的AIのための視覚-言語-アクションモデルに関する第1回調査を示す。
  論文  参考訳（メタデータ） (2024-05-23T01:43:54Z)
• Large Language Models for UAVs: Current State and Pathways to the Future [6.85423435360359]
  無人航空機(UAV)は様々な分野にまたがるトランスフォーメーション技術として登場した。 この研究は、自律システムの開発を促進するために、UAVとLarge Language Models(LLM)を統合する大きな可能性を探求する。
  論文  参考訳（メタデータ） (2024-05-02T21:30:10Z)
• Forging Vision Foundation Models for Autonomous Driving: Challenges, Methodologies, and Opportunities [59.02391344178202]
  ビジョンファウンデーションモデル(VFM)は、幅広いAIアプリケーションのための強力なビルディングブロックとして機能する。 総合的なトレーニングデータの不足、マルチセンサー統合の必要性、多様なタスク固有のアーキテクチャは、VFMの開発に重大な障害をもたらす。 本稿では、自動運転に特化したVFMを鍛造する上で重要な課題について述べるとともに、今後の方向性を概説する。
  論文  参考訳（メタデータ） (2024-01-16T01:57:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。